融合命题逻辑与神经网络的隐式深度协同推荐模型

以增强推荐算法模型认知推理能力,克服传统推荐算法高度依赖数据质量致使性能受限的现状为目标,提出一种将命题逻辑与神经网络融合的隐式深度协同推荐模型。首先,构建一个隐式逻辑表征模块,辅助联结实际问题中复杂变量与逻辑变量的隔阂,并将推荐问题转换为一个逻辑表达式。随后,利用神经网络拟合逻辑符号对逻辑表达式进行求解并完成推荐。在具有不同特点的三个经典数据集MovieLens、Book-Crossing、Amazon-E上的实验表明该方法展现了更好的推荐性能。     

无芯塞杆式底注保温浇包

北京市机电研究院和北京玛钢厂合作,共同研制了我国第一台塞杆式底注浇包,在垂直分型挤压造型线上浇注玛钢铸件。新型浇注装置已经正常运行半年多,取得了较好的使用效果和经济效果。一、塞杆底注的原理为适应现代铸造生产的要求,近几年国内外相继出现了感应电炉和浇注机的统一体,即保温浇注设备。塞杆底注保温浇包就是其中的一种形式。     

竹叶总黄酮的提取和纯化工艺的研究

采用L9（3^4）正交试验设计，以溶剂种类、溶剂浓度、料液比、浸提时间，作为主要考虑凼素，确定了竹叶黄酮的最佳提取工艺为：60％丙酮，料液比为1：40的条件下回流浸提3h。其中，溶剂浓度和料液比是两个主要影响因素，其p〈0．01，达到了显著性水平。在此基础上，采用x-5大孔吸附树脂与聚酰胺树脂联用的方法纯化竹叶提取物，最终竹叶总黄酮含量可达78．97％。     

脂肪酶Novozym 435催化合成羟基酪醇油酸酯

羟基酪醇是一种标志性多酚,其油溶性差且容易降解,将羟基酪醇修饰为油酸酯是提高其油溶性的有效途径。对羟基酪醇油酸酯的酶法合成进行了研究,考察了脂肪酶种类、酶添加量、醇酸摩尔比、溶剂(2-甲基-2-丁醇)用量、反应时间对合成反应的影响,并利用Box-Behnken中心组合的响应面设计优化了羟基酪醇油酸酯的合成反应条件。另外,采用质谱和核磁分析对产物进行了表征。结果表明：羟基酪醇油酸酯合成的最佳工艺条件为羟基酪醇500 mg、油酸2.474 g(醇酸摩尔比1∶2.7)、脂肪酶Novozym 435添加量2.2%(以整个反应体系的质量为基准)、溶剂用量2.6 mL、反应温度37℃和反应时间7 h,在此条件下羟基酪醇转化率高达89.6%;质谱和核磁分析证明成功合成了羟基酪醇油酸酯。脂肪酶催化合成羟基酪醇油酸酯的技术突破,可为延伸油橄榄产业链及副产物高值利用提供有力支撑。