柑桔皮浸膏的防霉、饲养效果研究

用乙醇对柑桔皮进行浸提,减压蒸馏得柑桔皮浸膏,通过微生物和饲料的防霉试验来探讨柑桔皮浸膏的防霉效果,通过饲养试验来探讨柑桔皮浸提物的着色、增重效果。结果认为,柑桔皮浸膏有一定的防霉抑菌效果,其在饲料中单独使用的防霉效果不如丙酸,但与丙酸配合使用的效果很好,且柑桔皮浸膏对肉仔鸡有明显的着色、增重效果。     

酒钢2号高炉炉顶加粒煤工业试验

酒钢2号高炉于1999年3月22日及5月3日进行了两次炉顶加粒煤工业试验。通过对试验结果进行比较分析后得出:酒钢高炉炉顶加粒煤是可行的。     

面向多智能体协作的注意力意图与交流学习方法

对于部分可观测环境下的多智能体交流协作任务, 现有研究大多只利用了当前时刻的网络隐藏层信息, 限制了信息的来源. 研究如何使用团队奖励训练一组独立的策略以及如何提升独立策略的协同表现, 提出多智能体注意力意图交流算法(Multi-agent attentional intention and communication, MAAIC), 增加了意图信息模块来扩大交流信息的来源, 并且改善了交流模式. 将智能体历史上表现最优的网络作为意图网络, 且从中提取策略意图信息, 按时间顺序保留成一个向量, 最后结合注意力机制推断出更为有效的交流信息. 在星际争霸环境中, 通过实验对比分析, 验证了该算法的有效性.     

基于语境辅助转换器的图像标题生成算法

在图像标题生成领域, 交叉注意力机制在建模语义查询与图像区域的关系方面, 已经取得了重要的进展. 然而, 其视觉连贯性仍有待探索. 为填补这项空白, 提出一种新颖的语境辅助的交叉注意力(Context-assisted cross attention, CACA)机制, 利用历史语境记忆(Historical context memory, HCM), 来充分考虑先前关注过的视觉线索对当前注意力语境生成的潜在影响. 同时, 提出一种名为“自适应权重约束(Adaptive weight constraint, AWC)” 的正则化方法, 来限制每个CACA模块分配给历史语境的权重总和. 本文将CACA模块与AWC方法同时应用于转换器(Transformer)模型, 构建一种语境辅助的转换器(Context-assisted transformer, CAT)模型, 用于解决图像标题生成问题. 基于MS COCO (Microsoft common objects in context)数据集的实验结果证明, 与当前先进的方法相比, 该方法均实现了稳定的提升.     

自发气调包装对辣椒贮藏品质的影响

为探究不同自发气调包装对辣椒贮藏品质的影响,以\     

基于质地多面分析法评价不同处理对蓝莓鲜果模拟运输及货架品质的影响

为探究不同处理对蓝莓采后模拟运输及货架品质的影响。以\     

体外模拟消化过程中大豆蛋白的荧光光谱分析及热处理的影响

分析了不同温度热处理及不同时间热处理的大豆分离蛋白体外模拟消化过程产物的荧光光谱。结果表明:不同时间热处理及不同温度的热处理均对大豆蛋白的消化有一定促进作用,大豆蛋白的最佳热处理条件为85℃、20 min,蛋白质的消化程度最大。大豆分离蛋白经不同温度热处理后,消化1 h,消化产物的最大吸光波长(λ_max)即随着加热温度的上升而红移,在加热90℃时达到最大值后下降,而荧光强度呈现出先上升后下降的变化趋势。经过不同时间热处理后消化1 h,大豆分离蛋白消化产物的λ_max先上升后下降。且荧光强度随着加热时间的延长呈现出不同的变化趋势,在0²0 min不断升高时,20 min时达到最大值,而继续加热至60 min,荧光强度逐渐下降。      

超声辅助提取黑豆蛋白及其功能性质的研究

以黑豆为原料,利用响应面分析方法对超声辅助提取黑豆蛋白的工艺参数进行了优化,得到最优参数:超声时间为24min,p H9.7,超声功率为380W,液固比为11∶1。在此工艺参数条件下黑豆蛋白提取率可达56.26%。同时对比传统碱溶酸沉提取得到的黑豆蛋白与超声辅助提取出的黑豆蛋白的溶解性,乳化性与乳化稳定性,起泡性和起泡稳定性,研究发现超声辅助提取的黑豆蛋白的各种功能性质都有所提高。      

一种中小型铸钢件精益化通用铸造生产方法

为降低中小型铸钢件在酯硬化水玻璃砂自动化生产线上的生产成本,消除传统砂铸产品突出质量问题,提出了一种中小型铸钢件精益化通用铸造生产方法,能够实现多品种、小批量、质量要求严的各类产品模型.利用通用外模相同结构与尺寸规格,在造型生产线上灵活生产,显著提高产品生产效率,保证产品质量和尺寸精度.结果表明,可以有效避免投入太多工...     

移动源排放遥测主要影响因素分析及预测

由于移动源污染遥感监测受到复杂外部环境影响,难以通过传统统计方法建立车辆行驶工况与污染排放之间的相关性模型,为此开展了基于移动源遥感监测的影响因素分析及排放预测的研究。首先利用Spearman相关性分析排除与移动源污染物主要排放气体CO、HC、NO气体浓度无相关性的因素;其次使用Lasso算法确定各成分的关键影响因子,并采用神经网络构建污染物排放预测模型;最后在测试集上验证该模型用于移动源污染排放主要成分预测的有效性。模型预测的结果表明,基于特征筛选的移动源污染排放数据预测神经网络模型具有较高的预测精度,可以降低城市移动源污染排放检测成本并为相关部门制定相关政策提供数据支持。