微乳液体系中脂肪酶催化油脂水解反应研究

研究了微乳液体系中脂肪酶LIPASE LVK催化的红花油水解反应,考察了表面活性剂种类、微乳液ω0值、表面活性剂浓度、反应温度pH、添加剂等因素对水解率的影响,确定了微乳液体系中脂肪酶LIPASE LVK水解红花油的适宜条件:以异辛烷为有机溶剂,[AOT]=0.1mol/L,ω0=49,反应温度25℃,缓冲溶液的pH为8.0,不加添加剂.     

谈谈如何做好公路工程监理工作

本文结合新疆维吾尔自治区农村公路工程建设实际,提出要加强监理机构的公正性和独立性、做好"三监控、一管理"、处理好监理、处理好业主、承包商三者之间的关系,并切实加强监理队伍的建设。     

单反电池手柄对比体验 原厂PK副厂

相机厂商的原厂电池手柄大多比较昂贵,在网上我们可以找到不少副厂代替品,但问题是哪款性价比较高呢？如果认为电池手柄只是为专业摄影师准备的工具,那就大错特错了!这个选配附件恰恰可以填补入门级数码单反相机两项重要的不足：第一是它可以同时安装两块电池,     

事实婚姻的法律调整——以维吾尔族为例

事实婚姻在新疆维吾尔自治区农村的维吾尔族中,或多或少地存在着。承认事实婚姻的效力不利于婚姻管理制度,无异使婚姻登记制度形同虚设,甚至与一夫一妻制度相悖;但是否定事实婚姻的效力,从形式看似乎强化婚姻登记制度的功能,但其在客观上不利于婚姻家庭的稳定和社会和谐。     

还原温度对γ-Fe_2O_3磁粉和包硅γ-Fe_2O_3磁粉的矫顽力,矫顽力系数及流变学特性的影响

<正> 研究α-FeOOH到γ-Fe_2O_3的变换过程是为了确定还原温度对γ-Fe_2O_3的磁特性和流变学特性的影响。研究了纯α-FeOOH和色硅的α-FeOOH之后,我们发现,还原温度要随粒子的尺寸而变化方能获得最高矫顽力。色硅样品的还原度大大高于纯α-FeOOH样品,当温度合宜时,矫顽力可更高,矫顽力     

煤牌号和工艺因素对焦炭性质的影响

煤料的组成可以间接评定焦炭的性质，但不能揭示炼焦过程中物理化学变化的实质。根据文献资料介绍，煤料的结焦性是煤的地质成熟期（变质作用）、粘结性（塑化）和岩相不均匀性这三种性能表现的结果。除了以上因素，影响焦炭质量的还有煤的粒度组成、水分、预热制度和炭化室的几何形状。很多焦化厂的科研人员研究了种种预测焦炭质量的方法，概括起来可以用以下式子表示：Mi＝f（Vd，∑OK，y，K，Ms）式中：Vd—挥发分（干基）／％K—炼焦制度准数M—炼焦粒度组成准数∑OK—贫煤总量y—胶质层厚度／mm本文着重介绍备煤和炼焦主要工艺因…     

中国马尾松脂松香的树脂酸分析

联邦德国林科院木材化学和木材化学工艺研究所魏斯曼博士1984年6月从中国广西桂林采集了新鲜松脂,作为样品进行了研究。首先,用水蒸气蒸馏从松脂中驱出松节油(得率约20％)。为了防止左旋海松酸的异构化,蒸馏瓶中的温度不超过100℃。将     

HMM与神经网络相融合的低资源语音合成方法

为了提高语音合成自然度和稳定性,提出HMM与深度神经网络相融合的,以维吾尔语作为实验语言的语音合成方法.基于深度学习的端到端语音合成方法存在生成速度慢、稳定性及可控性不够好,但是合成语音自然度高,而基于HMM的方法系统稳定性好,合成语音自然度不如端到端的方法.因此,系统前端部分利用HMM(马尔科夫模型)获取维吾尔语固有的语言特征,后端合成部分利用深度神经网络框架建立自回归模型.前端文本分析用HMM模型获取语言特征,后端合成用不同的神经网路模型,并进行了对比试验.最后对于实验结果进行了评测.实验结果验证了基于HMM+BiLSTM的语音合成方法的效果最好.     

教学形成性评价系统

由于大量的试卷和作业资料存放浪费了大量的资源,教师们也没有可行的形成性评价方法,为了方便各位教师根据各自需求设置评价指标,帮助教师把收集的成绩和扫描的试卷、作业等图片录入数据库,帮助学生快速查询自己的学习情况,我们开发了软件教学形成性评价系统。该系统使用Mysql作为数据库平台,基于ASP.NET框架使用C#语言进行后端的开发,通过R语言建立回归模型进行相关系性分析来为教师和学生提供全面客观的评价。     

基于动态注意力和多角度匹配的答案选择模型

针对当前主流神经网络在处理答案选择任务时无法同时满足句子的充分表示以及句子间信息充分交互的问题,提出了基于动态注意力和多角度匹配（DAMPM）的答案选择模型。首先,调用预训练语言模型的嵌入（ELMo）获得包含简单语义信息的词向量;接着,在注意力层采用过滤机制有效地去除句子中的噪声,从而更好地得到问句和答案句的句子表征;其次,在匹配层同时引入多种匹配策略来完成句子向量之间的信息交互;然后,利用双向长短期记忆（BiLSTM）网络对匹配层输出的句子向量进行拼接;最后,通过分类器来计算拼接向量的相似度大小,从而得到问句和答案句之间的语义关联。在文本检索会议问答（TRECQA）数据集上的实验结果表明,与基于比较聚合框架的基线模型中的动态滑动注意力网络（DCAN）方法相比,DAMPM在平均准确率均值（MAP）和平均倒数排名（MRR）两个性能指标上均提高了1.6个百分点。在维基百科问答（WikiQA）数据集上的实验结果表明,DAMPM相较DCAN在两个性能指标上分别提高了0.7个百分点和0.8个百分点。所提DAMPM相较于基线模型中的方法整体上有更好的性能表现。