Farmers' preferences for adopting on-farm concentration of raw milk: Results from a discrete choice experiment in Germany

Milk concentrates are used in the manufacturing of dairy products such as yogurt and cheese or are processed into milk powder. Processes for the nonthermal separation of water and valuable milk ingredients are becoming increasingly widespread at farm level. The technical barriers to using farm-manufactured milk concentrate in dairies are minimal, hence the suspicion that the practice of on-farm raw milk concentration is still fairly uncommon for economic reasons. This study, therefore, set out to investigate farmers' potential willingness to adopt a raw milk concentration plant. The empirical analysis was based on discrete choice experiments with 75 German dairy farmers to identify preferences and the possible adoption of on-farm raw milk concentration. The results showed that, in particular, farmers who deemed the current milk price to be insufficient viewed on-farm concentration using membrane technology as an option for diversifying their milk sales. We found no indication that adoption would be impeded by a lack of trustworthy information on milk processing technologies or capital.     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

变分自编码器模型综述

变分自编码器（VAE）作为深度隐空间生成模型的一种，近年来其表现性能取得了极大的成功，尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一，可以通过学习隐编码空间与数据生成空间的特征映射，进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状，并就此做了总结和对比，最后分析了变分自编码器模型存在的问题与挑战，并就可能的发展趋势做了展望。     

瞬态闭锁试验在0.13 μm大规模集成电路中引起的潜在损伤

瞬态剂量率辐射试验会引起集成电路发生损伤或失效，其原因至少有两种：闭锁大电流引起的电路内部金属互连熔融；累积电离总剂量引起的氧化层电荷造成阈值电压偏移。本文以一种0.13 μm体硅CMOS处理器为对象，研究了瞬态剂量率和稳态电离总剂量辐射效应规律。结果表明：瞬态剂量率闭锁效应对处理器造成了显著的潜在损伤，导致其总剂量失效阈值从1 030 Gy(Si)降低至600 Gy(Si)。研究结论对于大规模集成电路的可靠性评估和指导辐射加固设计有重要参考意义。     

物联网中基于Multi-Agent的物间动态关系发现

物联网中存在大量异构关系的实体，其信息间的交互造成了物联网的内在矛盾。针对这一问题，提出将物联网中实体抽象化为对应的Agent，并以个体人为中心，利用本体的语义匹配及改进的物间动态关系计算方法，计算出针对个体人的物间动态关系；将原本异构的实体关系转化为Agent间基于动态关系紧密度排序的网络关系。经实验验证，该方法构建的关系网络可明显改善异构实体间交互的矛盾，而且相比原有类似方法，该方法解决问题的准确率和误差率均有改善，说明了该方法的准确性和可行性。     

Title加TextRank抽取关键句的情感分类研究

考虑到不同句子对判断文档情感倾向的重要程度不同，因而区分文档的关键句和细节句将有助于提高情感分类的性能。同时，考虑到Title和上下文信息，提出了一种基于Title和加权TextRank抽取关键句的情感分析方法SKTT，实现了高效的情感分析。根据文档Title的情感权重计算Title贡献度，考虑到标点和语义规则对情感倾向的影响；根据加权TextRank算法思想，在文档正文中构建了一个情感句有向图来提取关键句；计算所有关键句的情感倾向进行情感分类。在4个领域上进行实验，实验结果表明，该SKTT方法性能明显优于Baseline，具有高效性。     

基于桥连接的词典学习方法的语义解析

现阶段的语义解析方法大部分都基于组合语义,这类方法的核心就是词典。词典是词汇的集合,词汇定义了自然语言句子中词语到知识库本体中谓词的映射。语义解析一直面临着词典中词汇覆盖度不够的问题。针对此问题,该文在现有工作的基础上,提出了基于桥连接的词典学习方法,该方法能够在训练中自动引入新的词汇并加以学习,为了进一步提高新学习到的词汇的准确度,该文设计了新的词语—二元谓词的特征模板,并使用基于投票机制的核心词典获取方法。该文在两个公开数据集(WebQuestions和Free917)上进行了对比实验,实验结果表明,该文方法能够学习到新的词汇,提高词汇的覆盖度,进而提升语义解析系统的性能,特别是召回率。     

高性能三水醋酸钠-尿素-膨胀石墨混合相变材料的制备及其在电地暖中的应用性能

采用尿素调节三水醋酸钠的相变温度到合适范围再添加膨胀石墨来降低过冷度，研制了高性能的三水醋酸钠-尿素-膨胀石墨混合相变材料，并对其在电地暖中的应用性能进行了研究。结果表明，当尿素质量分数为36.5%、膨胀石墨添加量为4%(质量)时，所得混合相变材料的熔化焓高达209.1 J/g，熔点在31.98℃，过冷度仅为2.04℃，热导率为2.349 W/(m·K)，热可靠性良好；将用该混合相变材料制成的相变板安装在实验房的电地暖中时，实验房的热舒适度随着相变材料层厚度的增加而增加，但也带来加热时间和用电量的增加；当相变材料层厚度为10 mm时，电加热温度适宜设置在45℃；在热舒适度相当的条件下，有相变板的实验房与无相变板的参比房相比具有用电量小及电费低的优势。     

基于Flowmaster的相变空冷器元件开发及应用

基于湿空气热力学理论,以Flowmaster换热元件为基础,通过引入相变计算开发了考虑相变潜热的空冷器元件。经计算验证,所开发的元件计算结果与理论计算值吻合性较好,相同边界条件下,总换热量偏差和含湿量偏差均小于1%。分析表明:在高温、高湿环境条件下,湿空气会在空冷器中形成冷凝水,产生大量相变潜热,而Flowmaster换热元件模型由于未考虑相变因素,气侧出口温度计算结果偏低。采用所开发的相变空冷器元件模型可有效提高气侧出口温度计算的准确性,减小因相变带来的仿真误差。