手语舞蹈《感恩的心》




   舞蹈:

我来自偶然: 右手手心向上, 于腰前由左往右平伸, 再换左手, 由右往左平伸.  像一颗 : 右手食指比1, 由左往右平伸. 尘土 : 双手手指捏起, 从两眼前往两旁分开, 手指要上下捏合再轻开.  有谁看出 : 左手食指和拇指圈圆比3, 到左眼前; 再换右手同前.我的脆弱 : 右手掌由下放到左肩, 再换左手; 两手交叉于胸前.  我来自何方: 同我来自偶然  `O
我情归 : 两手由腰右到左下而上划一个圆. 何处 : 两手手心向上, 于腰前往左右分开.  谁在 : 两手手心向上, 于两耳旁上提一下
下一刻 : 右手食指比1, 由右往左下指
呼唤我: 两手分放于嘴旁, 身体往右上做呼喊状, 再往左呼喊.
天地虽宽,: 右手食指比1, 往上指, 再往下指; 
这条路却难走: 两手心相向, 由腰前往前伸; 再右手比2, 手指由左往右走. 
我看遍这人间: 同有谁看出. 
坎坷: 左手握拳, 往右肩槌两下.
辛苦: 右手握拳, 往左肩槌两下. 
我还有: 两手交叉于胸前. 
多少爱: 左手握拳, 右手在上转圆.
我还有: 两手交叉于胸前. 
多少泪: 两手手心向脸, 由脸前往下抖下.
要苍天知道, 我不能: 两手交叉于胸前, 再右手食指比1, 往上指. 
输: 两手交叉于头上, 左右轻摆动.
感恩的心: 两手圈成心形于左胸前. 
感谢有你: 同我来自偶然
伴我: 两手交叉于胸前.
一生: 右手食指比1, 由左往右平伸.
让我有勇气: 双手握拳弯曲在两旁, 要比头高些.  ,
做我自己: 双手握拳拇指直立, 比向肩前.
感恩的心: 两手圈成心形于左胸前.
感谢命运: 同我来自偶然  =
花开花落: 左手指张开, 由腰旁抖上伸直, 贴耳.
我一样: 右手指张开, 由腰旁抖上伸直, 贴耳.
会珍惜: 双手手指张开, 往下划圆, 成兰花指交叉至胸前.
间 奏: 1. 右手握拳上举, 贴耳后张开手指, 再往右划下至身旁 
2. 左手握拳上举, 贴耳后张开手指, 再往左划下至身旁 
尾 奏: 左脚先往前走三步, 再左脚往右转向后面, 背向舞台.双脚与肩同宽站立, 右手往上伸直贴耳, 张开手指, 再往右慢慢划下至身旁. 



歌曲来源:

有一个天生失语的小女孩,爸爸在她很小的时候就去世了。她和妈妈相依为命。妈妈每天很早出去工作,很晚才回来。每到日落时分,小女孩就开始站在家门 口,充满期待地望着门前的那条路,等妈妈回家。妈妈回来的时候是她一天中最快乐的时刻,因为妈妈每天都要给她带一块年糕回家。在她们贫穷的家里,一块小小 的年糕都是无上的美味了啊。
  有一天,下着很大的雨,已经过了晚饭时间了,妈妈却还没有回来。小女孩站在家门口望啊望啊,总也等不到妈妈的 身影。天,越来越黑,雨,越下越大,小女孩决定顺着妈妈每天回来的路自己去找妈妈。她走啊走啊,走了很远,终于在路边看见了倒在地上的妈妈。她使劲摇着妈 妈的身体,妈妈却没有回答她。她以为妈妈太累,睡着了。就把妈妈的头枕在自己的腿上,想让妈妈睡得舒服一点。但是这时她发现,妈妈的眼睛没有闭上!小女孩 突然明白:妈妈可能已经死了!她感到恐惧,拉过妈妈的手使劲摇晃,却发现妈妈的手里还紧紧地拽着一块年糕……她拼命地哭着,却发不出一点声音……
  雨一直在下,小女孩也不知哭了多久。她知道妈妈再也不会醒来,现在就只剩下她自己。妈妈的眼睛为什么不闭上呢?她是因为不放心她吗?她突然明白了自己该怎样做。于是擦干眼泪,决定用自己的语言来告诉妈妈她一定会好好地活着,让妈妈放心地走……
   小女孩就在雨中一遍一遍用手语做着这首《感恩的心》,泪水和雨水混在一起,从她小小的却写满坚强的脸上滑过….“感恩的心,感谢有你,伴我一生,让我有 勇气做我自己……感恩的心,感谢命运,花开花落,我一样会珍惜……”她就这样站在雨中不停歇地做着,一直到妈妈的眼睛终于闭上……

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值