前进法后退法的步骤？

一、前进法后退法的步骤？

1、前进时，方向向左打，车头向左;方向向右打，车头向右——方向的打法跟倒车是相同的。很多人总是想着跟前进的方向相反。这是不对的。

2、修正时，当车头向一边偏时，也知道向另一边回(修)正，(车身偏左则须向右移动才正，方向盘打右。否则相反 )当发现还是向这边偏时，总以为自己回(修)错了——其实没错，只有当方向回(修)正后，继续向另一边打方 向才能改变车头的朝向，而没回正前的'回方向只能使车头偏向的幅度减小。

二、浸渍法的步骤？

将96～99％重量的树脂胶和1～4％重量的超细石英粉混合均匀，得到浸渍胶；将原纸浸入浸渍胶中，取出进行干燥，原纸为素色纸或印刷装饰纸；将三氧化二铝粉末均匀喷涂于浸渍后的原纸表面，形成三氧化二铝涂层；然后剪切叠放得到浸渍纸成品。

三、乘幂法的步骤？

1、首先我们要求出数值是二，二次方数也是2的结果。

2、如果用公式计算，输入函数power。

3、然后分别输入两个单元格数值，要先数值再次方数的顺序。

4、然后按回车键就能够得到结果了。

5、下面就是用符号运算了，输入等于号，之后分别输入数值，后面是次方数，中间用特殊符号在一起，按shift加6键输入，然后按回车键出结果。

四、公式法的步骤？

解一元二次方程的一种方法，也指套用公式计算某事物。 另外还有配方法、十字相乘法、直接开平方法与分解因式法。公式表达了用配方法解一般的一元二次方程的结果。 根据因式分解与整式乘法的关系，把各项系数直接带入求根公式，可避免配方过程而直接得出根，这种解一元二次方程的方法叫做公式法。 1.化方程为一般式：

2.确定判别式，计算Δ（希腊字母，音译为戴尔塔）。 3.若Δ>0，该方程在实数域内有两个不相等的实数根：； 若Δ=0，该方程在实数域内有两个相等的实数根: 若Δ<0，该方程在实数域内无解，但在虚数域内有两个共轭复根，为 一般的，式子 叫做方程 的判别式，通常用希腊字母Δ表示它，即

五、服气法的步骤？

　仰卧舒适，摄心绝想。

　　2

　　鼻引清气，口吐浊气，然后把气息调得极细极微，让耳朵听不出声来。

　　3

　　闭气握固，心里默数一二三四，数目以数得越多越好。

　　4

　　闭气到不能再闭时，然后调气再闭。

　　5

　　多次闭气以后，足心如有微微汗出，说明体气通调，血脉周流，若足心没有微汗渗出，也属正常现象。

　　6

　　闭气默数，从一到十。通过旷日持久的修炼，逐步可以数到百数以上。如果能够数到一千、两千，按照道书说法，即可辟谷不饥。如能再增加到五千，那就可以入水而卧了。

　　当然，撇开这些夸大不实之词，其扩大肺活量的客观效验，还是存在的。

　　7

　　修炼这一功法的同时，如能饮酒，可以经常地饮一两盏好酒（古代酒的浓度很低），如果不能饮酒，喝些清水也可，目的是清畅肠道。

　　8

　　服气修炼者在服气期间偶然染病不适，其病由热邪引起的，可用呵字诀炼养，其病由寒邪引起的，可用吹字诀炼养。

　　这是一套颇为简便易行的服气功法，关键在于坚持。修炼者若能持之以恒，那么随着肺活量的不断扩大，可以切实地增强体质，提高工作效率。

　　9

　　真人起居法

　　先呵出腹中浊恶之气，次数可控制在一到九次左右。然后闭目叩齿三十六次，以警身神。接着用手按按两眼内外眦，兼按鼻腔左右。此后又擦耳摩面。以上叩齿摩面之法，称为真人起居之法。

　　10

　　漱咽灵液

　　真人起居法做完，稍稍导引一下肢体，宣畅宣畅关节，接下来再做漱咽灵液功。其法舌拄上腭，用舌在口腔唇齿之间搅动，让口中津液汩汩生出。待到津生满口，即可咽下胃里。咽津之时，意想胃腑之神张口吞吸咽下之津。此功行之日久，不仅灌溉五脏，并且容光焕发，有内外交养的作用。

　　以上真人起居法和漱咽灵液之功，做时都要闭目握固。但对于初练服气进取之法的人来说，因为气道还没有开通，所以不可握固，此后直到练功百天或半年左右，自己感到气道通畅，掌中汗出，这时方可握固。为此，《黄庭经》说：

　　闭塞三关握固停，漱咽灵液吞玉英。

　　遂至不饥三虫亡，心意常调致兴昌。

六、探究法的步骤？

探究的一般过程是从发现问题、提出问题开始的，发现问题后，根据自己已有的知识和生活经验对问题的答案作出假设．设计探究的方案，包括选择材料、设计方法步骤等．按照探究方案进行实验探究，得到结果，再分析所得的结果与假设是否相符，从而得出结论．所以，探究实验的一般步骤包括：提出问题→作出假设→设计实验→实施实验→得出结论→表达和交流．

七、梯度法的步骤？

梯度法思想梯度法思想的三要素：出发点、下降方向、下降步长。

机器学习中常用的权重更新表达式为：，这里的λ就是学习率，本文从这个式子出发来把机器学习中的各种“梯度”下降法阐释清楚。

机器学习目标函数，一般都是凸函数，什么叫凸函数？限于篇幅，我们不做很深的展开，在这儿我们做一个形象的比喻，凸函数求解问题，可以把目标损失函数想象成一口锅，来找到这个锅的锅底。非常直观的想法就是，我们沿着初始某个点的函数的梯度方向往下走（即梯度下降）。在这儿，我们再作个形象的类比，如果把这个走法类比为力，那么完整的三要素就是步长（走多少）、方向、出发点，这样形象的比喻，让我们对梯度问题的解决豁然开朗，出发点很重要，是初始化时重点要考虑的，而方向、步长就是关键。事实上不同梯度的不同就在于这两点的不同！

梯度方向是，步长设为常数Δ，这时就会发现，如果用在梯度较大的时候，离最优解比较远，W的更新比较快；然而到了梯度较小的时候，也就是较靠近最优解的时候，W的更新竟然也保持着跟原来一样的速率，这样会导致W很容易更新过度反而远离了最优解，进而出现在最优解附近来回震荡。所以，既然在远离最优解的时候梯度大，在靠近最优解的时候梯度小，我们让步长随着这个律动，于是我我们就用λ|W|来代替Δ，最后得到了我们熟悉的式子：所以说这时的λ是随着坡度的陡缓而变化的，别看它是个常数。

二、全量梯度下降法（Batch gradient descent）全量梯度下降法每次学习都使用整个训练集，因此每次更新都会朝着正确的方向进行，最后能够保证收敛于极值点，凸函数收敛于全局极值点，非凸函数可能会收敛于局部极值点，缺陷就是学习时间太长，消耗大量内存。第二、随机梯度下降法（Stochastic Gradient Descent）SGD一轮迭代只用一条随机选取的数据，尽管SGD的迭代次数比BGD大很多，但一次学习时间非常快。SGD的缺点在于每次更新可能并不会按照正确的方向进行，参数更新具有高方差，从而导致损失函数剧烈波动。

不过，如果目标函数有盆地区域，SGD会使优化的方向从当前的局部极小值点跳到另一个更好的局部极小值点，这样对于非凸函数，可能最终收敛于一个较好的局部极值点，甚至全局极值点。缺点是，出现损失函数波动，并且无法判断是否收敛。

八、泼墨法的步骤？

在纸上面用淡墨或清水，大块面的泼出个大概。

2.用浓墨去破淡墨，泼墨时要自然大胆。

3.画近处的树木，树木要注意墨的浓淡变化。

然后在画近处的山石，房屋，房屋后面画一片竹林。

4.用淡墨勾勒中景的山坡与山路。

之后再画远山与山中的瀑布。

5.用浓墨复勾山石，皴擦山石暗部，让山石看起来浑厚有质感

九、熔融法的步骤？

熔融法步骤:坩埚中加适量试样和助熔剂，先低温赶水分稳定，再放高温炉中熔融成液态，试样与助熔剂高温发生化学反应成可溶性物质，高温熔融一段时间取出冷却成熔块，用稀酸或热水溶解熔块。

十、称重法的步骤？

减量法 此法一般用来连续称取几个试样。

其量允许在一定范围内波动，也用于称取易吸湿、易氧化或易与二氧化碳反应的试样。此法称取固体试样的方法为：

将适量试样装入称量瓶中，用纸条缠住称量瓶放于天平托盘上，称得称量瓶及试样质量为W1，然后用纸条缠住称量瓶，从天平盘上取出，举放于容器上方，瓶口向上稍倾，用纸捏住称量瓶盖，轻敲瓶口上部。

使试样慢慢落入容器中，当倾出的试样已接近所需要的质量时，慢慢地将称量瓶竖起，再用称量瓶盖轻敲瓶口下部，使瓶口的试样集中到一起，盖好瓶盖，放回到天平盘上称量，得W2，两次称量之差就是试样的质量。如此继续进行，可称取多份试样。

第一份： 试样重=W1－W2（g）

第二份： 试样重=W2－W3（g）

注意

任何可凝结组分，当在最低使用温度下其分压超过它的饱和蒸气压的70%时，就不能使用。