齐心协力,共同奋进——在协会第六届理事会第三次扩大会议上的讲话

一、一年来行业经济运行情况 2009年,被认为是国内外经济形势最为复杂的一年。国际金融危机影响的严重性和经济复苏的曲折性都超过了预期。由于我国及时出台一系列宏观经济政策,上下共同努力,     

GC-MS与E-Nose结合PCA和HCA 用于陇南橄榄油品质研究

以陇南大堡油橄榄品种示范园种植的20个油橄榄品种为试样,利用压榨法提取橄榄油,采用GC-MS与E-Nose对其脂肪酸组成及风味物质进行测定。在此基础上,结合主成分分析(PCA)和聚类分析(HCA)对其品质进行分析。结果表明:20个油橄榄品种鲜果出油率在1. 30%～23. 50%之间,平均出油率为11. 91%;主要脂肪酸及其含量分别为油酸58. 96%～74. 86%、棕榈酸12. 20%～21. 04%、亚油酸4. 06%～18. 62%、硬脂酸1. 61%～4. 73%、亚麻酸未检出～1. 48%及棕榈烯酸0. 57%～3. 14%。饱和脂肪酸(SFA)占16. 54%～25. 77%,单不饱和脂肪酸(MUFA)和多不饱和脂肪酸(PUFA)分别占60. 95%～75. 86%和4. 54%～19. 89%,MUFA/PUFA和C_(18∶∶1)/C_(18∶2)分别为3. 10～16. 71和3. 21～18. 44;从脂肪酸的PCA综合得分可知,20个品种中‘皮削利’的品质最好,‘法加’最差,HCA表明,20个品种共分为5个类群,同一类群中橄榄油的脂肪酸组成与含量相似,不同类群之间存在差异。橄榄油风味物质E-Nose分析表明,不同品种的橄榄油有不同的风味特征,通过PCA可将20个品种分为7组,前4组之间能够明显区分,后3组之间分布较近,但均能较好地区分。     

面向聊天机器人的多注意力记忆网络

如何对多轮的对话历史进行建模和推理是构建一个智能聊天机器人的主要挑战之一.基于循环或门控的记忆网络已经被证明是进行对话建模的有效方式.然而,这种方式有两个缺点,一是使用复杂的循环结构,导致计算效率较低;二是使用代价较大的强监督信息或先验信息,不利于扩展和迁移应用到新的领域.针对上述问题,本文提出了一种端到端的多注意力记忆网络.首先,该网络采取结合词向量和位置编码的方式对文本输入进行表示;其次,使用并行的多层注意力在不同子空间捕获对话交互中的关键信息来更好地建模对话历史;最后,通过捷径连接的方式叠加多注意力层管理信息流,实现对建模结果的多次推理.在bAbI-dialog数据集上的实验表明,该网络可以有效地对多轮对话进行建模和推理,而且具有较好的时间性能.     

移动式启闭机在多孔导流洞闸门封堵中的应用

大型导流洞闸门通常采用固定卷扬式启闭机进行封堵,近期在建的喀麦隆隆潘卡尔水电站则采用了移动式启闭机完成了多孔导流洞闸门的封堵。文章结合这一工程实例对封堵闸门的启闭机机型进行了选择,并通过引入新拉杆,提出用新拉杆配合低扬程启闭机完成闸门封堵的方案,详细介绍了用该方案实施多孔闸门封堵的方法。     

ARP欺骗原理及防范对策

ARP协议欺骗作为一种交换式局域网中获取数据信息的方法,当用作攻击手段时,给网络安全带来了严重威胁。通过分析ARP协议的原理及ARP欺骗的原理,设计了防御ARP病毒的方法。     

锂离子电池用二氧化锡负极材料的研究进展

由于二氧化锡(SnO_2)具有价格低、理论比容量高和能量密度高等优点,其作为锂离子电池负极材料被广泛研究。概述了SnO_2基负极材料的储锂机理、发展现状及存在的问题。着重介绍了纳米化、与碳复合手段对改善SnO_2基负极材料电化学性能的作用,并对SnO_2基负极材料发展过程中遇到的挑战提出了建议和展望。     

临危出动——北湖消防中队“3·13”抢险纪实

3月13日凌晨5点过8分,经过一天紧张训练的北湖消防中队官兵正在梦乡中,火警值班室接到“110”紧急增援电话:北湖市场对面,一栋四层楼的居民房因地基下沉,面临倒塌,居民的生命财产安全受到严重威胁,情况万分危急,请求增援。     

一种基于CANoe的CAN总线系统开发方法

应用自上而下的需求分析和自下而上的系统设计,进行CAN总线系统的总体方案设计.使用CANoe对系统总体设计方案进行全数字仿真,检验系统设计方案的合理性.再进行CAN总线系统半实物、实物测试,完成整个总线系统的开发.     

基于红外测温的内部缺陷尺寸、方位的计算方法研究

对具有内部缺陷的平板试件的传热建立了三维物理和数学模型,提出了通过表面红外测温确定内部缺陷尺寸、方位的计算方法。同时,分析了测量误差和缺陷导热系数对计算结果的影响。通过计算分析可以得到结论：本方法可以精确地确定内部缺陷的尺寸和方位,测量误差对内部缺陷估计的影响较小;在试件的导热系数远大于缺陷的导热系数时,缺陷导热系数的微小变化对缺陷尺寸和位置的计算没有明显的影响;适用于任何尺寸、方位可用有限个参数描述的内部缺陷的检测。     

基于语义距离的K-最近邻分类方法

最近邻分类方法中对距离机制的研究大都集中在根据何种计算方法将不同属性取值的差异集中起来,而未考虑到同一属性间取值的语义差异所带来的影响;而且传统算法的分类准确率对于不同抽象层次描述的数据集带来的数据不完整性相当敏感.针对这两个问题,提出一种基于语义距离的最近邻分类方法SDkNN(semantic distance based k-nearest neighbor).该方法分析了同一属性内取值的语义差异,说明了如何基于领域本体计算语义距离,并将其应用到kNN算法中.经过在UCI数据集以及实际应用数据集中验证,SDkNN的整体性能要优于传统方法,在数据不完整的情况下效果更为明显,实践证明,SDkNN有较好的应用价值.