以食品为基础的《有机化学》课程教学研究

本文首先介绍了《有机化学》课程教学现状及解决策略。《有机化学》课程为专业基础课,授课过程中单纯地给学生讲解理论知识,让学生感到枯燥乏味,不能激发学生的学习兴趣,作者以食品为基础的《有机化学》课程在教学实践与探索过程中,教学效果好,起到了事半功倍的作用。     

磨矿研磨体级配的试验研究

选择合理的研磨体装载量和钢球级配是提高磨机产量和降低电耗的重要途径之一。而磨矿效变幻无常的最佳化必须通过选掸厝矿介质的形状和大小来实现。显然，不是每一种规格的研磨体都能适用，如果研磨体太小，会使粉碎物料的能量不足；而研磨体太大，则具有过剩的能量。原则上可以预料：对宽级圳的被磨物料，为了得到最佳粉磨效果，必须选用不同大小的研磨体进行混合，习惯上用级配一词来表示。在选择级配的组成时，既要考虑原物料的粒度组成．又要考虑所希望得到的最终细度。因此，对此种级配方法进行了理论上的探讨和．式验研究。     

高速公路波纹管涵施工质量控制要点分析

在波纹管涵施工中,严格控制两侧及楔形部的回填质量,是确保波纹管涵质量及耐久性的关键。从波纹管涵的原理入手,分析了基层施工、楔形部和管体两侧回填中的控制要点,介绍了施工中由于回填控制不好导致的管体变形情况,以期借鉴。     

肉桂总黄酮提取工艺及其抗氧化性研究

以肉桂为原料,进行了肉桂总黄酮提取工艺及其抗氧化活性的研究,建立了以芦丁为标准品,NaNO2-Al(NO3)3-NaOH为显色剂,分光光度法测定肉桂总黄酮含量的分析方法。结果表明,肉桂总黄酮提取的优化工艺为乙醇浓度60%,肉桂与溶液的比1∶60(g/mL),回流温度70℃,提取时间6 h,总黄酮提取率达16.10%,含量达70.02%。肉桂总黄酮的抗氧化性随着浓度的升高而增强,当总黄酮浓度为4.5 mg/mL时,OH自由基清除率达40.49%;当总黄酮浓度为2.0 mg/mL时,DPPH自由基清除率达94.29%。     

火焰原子吸收光谱法测定高炉尘中铟

采用混合酸溶样,过量氢氧化钠溶解氢氧化铟分离富集高炉尘中痕量铟,火焰原子吸收光谱法测定样品中铟含量,建立了一种测定复杂体系中痕量铟的简便方法。对实验过程中的酸用量、不同碱液及碱用量对溶解及测定结果的影响、共存离子的干扰等情况进行了考察,确定了最佳实验条件。实验结果表明,氢氧化钠能够有效的溶解痕量氢氧化铟,同时沉淀了铁、镁等离子,去除了高炉尘中大部分的干扰元素。方法相对标准偏差小于4.2 %,回收率在98 %~103 %之间。     

660MW超超临界机组MFT时炉膛压力控制策略优化

锅炉发生主燃料跳闸（MFT）时,炉膛压力急剧变化,常规的自动控制策略显得束手无策。对炉膛压力控制策略进行了优化。通过引风机动叶的快速动作,在锅炉MFT时将炉膛压力快速调整到正常范围。     

电化学免疫传感器在肿瘤标志物检测中的应用

肿瘤是严重威胁人类健康的疾病之一,降低恶性肿瘤死亡率的主要途径是早期诊断和治疗,肿瘤标志物在肿瘤早期诊断中具有重要的临床应用价值。随着纳米技术的迅猛发展,基于纳米材料构建的电化学传感器可实现对肿瘤标志物的检测,且具有检测灵敏度高、选择性好等优点。本文重点综述了碳纳米材料、贵金属纳米材料、氧化物纳米材料、量子点纳米材料等新型纳米材料电化学免疫传感器的构建原理及其在甲胎蛋白、前列腺抗原、癌胚抗原等肿瘤标志物检测中的应用,分析总结了基于不同纳米材料构建的电化学传感器在各种肿瘤标志物检测中的优缺点,并展望了电化学传感器的发展趋势,提出未来电化学免疫传感器应以微型化、高通量化和商业化为研究重点,并实现对肿瘤标志物的快速、在线、实时检测。     

结合主动学习与置信度投票的集成自训练方法

基于集成学习的自训练算法是一种半监督算法,不少学者通过集成分类器类别投票或平均置信度的方法选择可靠样本。基于置信度的投票策略倾向选择置信度高的样本或置信度低但投票却一致的样本进行标记,后者这种情形可能会误标记靠近决策边界的样本,而采用异构集成分类器也可能会导致各基分类器对高置信度样本的类别标记不同,从而无法将其有效加入到有标记样本集。提出了结合主动学习与置信度投票策略的集成自训练算法用来解决上述问题。该算法合理调整了投票策略,选择置信度高且投票一致的无标记样本加以标注,同时利用主动学习对投票不一致而置信度较低的样本进行人工标注,以弥补集成自训练学习只关注置信度高的样本,而忽略了置信度低的样本的有用信息的缺陷。在UCI数据集上的对比实验验证了该算法的有效性。     

艾拉姆咖分布的统计推断

为了对艾拉姆咖分布参数进行参数估计,利用数学归纳法和卷积公式,给出艾拉姆咖分布参数的充分统计量,在此基础上得出分布参数的一致最小方差无偏估计和置信区间的计算公式.经计算机模拟,利用Matlab产生的随机数验证所给点估计公式和区间估计方法的有效性.结果表明所给估计量准确性高,区间估计方法正确可用.     

基于多尺度一致性与注意力机制的视网膜血管分割网络

针对现有的视网膜血管分割方法存在对微血管和毛细血管的分割能力不足,导致血管断连和末端血管漏分,造成视网膜血管分割性能不佳的问题,本文提出一种基于多尺度一致性与注意力机制的视网膜血管分割网络(multi-scale consistency and attention mechanism U-Net, MCAU-Net)。首先,该网络在瓶颈特征层嵌入注意力细化模块(attention refinement module, ARM),能有效细化瓶颈层冗余的特征,抑制背景等无关像素的权值。其次,将上下文特征融合模块(context fusion module, CFM)与传统的跳跃连接相结合,以此补充在特征提取过程中逐渐丢失的信息,加强网络对微血管和毛细血管的构建能力。最后,基于网络的多尺度输出设计了一种多尺度一致性的训练方式,以增强网络对不同尺度特征的敏感性。在DRIVE和CHASE＿DB1公开数据集上进行的对比实验表明本文网络具有良好的分割性能。