气质联用法分析动物肌肉、肝脏和肾脏中喹喔啉-2羧酸的含量

本文研究了用气质联用仪检测动物肌肉、肝脏及肾脏中喹喔啉-2-羧酸的含量，该方法灵敏度较高，检测低限为1．0μg／kg，干扰较少，并具有较好的重现性，可达到60％～125％，相关线性系数为0．998。     

复合蛋白酸奶发酵工艺的研究

系统地探讨和对比了大豆分离蛋白SPI、浓缩乳清蛋白WPC不同替代度对复合蛋白酸奶发酵过程中的相关参数及感官性质的影响。结果表明,添加SPI不利于酸奶发酵,表现为发酵时间延长,并影响感官性质;适当浓度的WPC则有利于酸奶发酵加快发酵速度,对感官性质的影响不明显;将两者按1∶1的比例共同替代40%以下的奶粉可制作成高质量的凝固型复合蛋白酸奶。     

界面特性对特厚板坯复合轧制复合效果的影响

研究了真空度、界面温度和粗糙度对特厚板复合轧制复合效果的影响。真空度和界面温度对复合效果的影响通过热模拟实验获得,粗糙度对复合效果的影响采用等效变形法在二辊轧机上获得。研究结果表明：真空度和界面温度对轧制复合效果作用明显,适当提高真空度和温度有利于改善轧制复合效果;表面粗糙度对板坯轧制复合效果影响明显,减小表面粗糙度可增强复合效果,实际生产可综合考虑生产成本适当减小粗糙度。     

卤素水分仪快速测试端乙烯基硅油挥发分

采用卤素水分仪法快速测试端乙烯基硅油中的挥发分质量分数,并与烘箱法的测试结果进行对比.探讨了卤素水分仪终止条件、干燥温度和称样质量对测试结果的影响,并计算了卤素水分仪法的相对误差和标准偏差.结果 表明,卤素水分仪法较佳的测试条件为:采用标准升温程序、终止条件50 s、干燥温度140℃、称样质量(1.000±0.050)...     

基于图注意力和表指针网络的中文事件抽取方法

现有的中文事件抽取方法存在触发词和论元依赖建模不足的问题，削弱事件内的信息交互，导致论元抽取性能低下，特别是论元角色存在重叠的情况下.对此，文中提出基于图注意力和表指针网络的中文事件抽取方法(Chinese Event Extraction Method Based on Graph Attention and Table Pointer Network, ATCEE).首先，融合预训练字符向量和词性标注向量作为特征输入，并利用双向长短期记忆网络，得到事件文本的强化语义特征.再将字符级建模的依存句法图引入图注意力网络，捕获文本中各组成成分的长距离依赖关系.然后，使用表填充的方法进行特征融合，进一步增强触发词和其对应的所有论元之间的依赖性.最后，将学习得到的表特征输入全连接层和表指针网络层，进行触发词和论元的联合抽取，使用表指针网络对论元边界进行解码，更好地识别长论元实体.实验表明：ATCEE在ACE2005和DuEE1.0这两个中文基准数据集上都有明显的性能提升，并且字符级依存特征和表填充策略在一定程度上可以解决论元角色重叠问题.ATCEE源代码地址如下：https://github....     

STI埋层的高光电流和低暗计数率单光子雪崩二极管（英文）

研究和分析了一种0. 18μm CMOS工艺单光子雪崩二极管(SPAD),其结构能抑制过早的边缘击穿(PEB),同时获得较大的光电流和低的暗计数率(DCR).该SPAD由p-well/deep n-well的感光结,deep n-well向上扩散形成的区域和边缘Shallow Trench Isolation(STI)共同形成的保护环组成.通过测试确定了与光电流和暗率有关的STI层的大小.结果证明,在STI层与保护环之间的重叠区域为1μm时,SPAD的暗计数率和光电流最佳.此外,直径为10μm的圆形SPAD器件的暗计数率为208 Hz,且在波长为510 nm时峰值光子探测概率为20. 8%,此时具有低的暗计数率和高的探测效率以及宽的光谱响应特性.     

基于SAE-DBN混合深度网络的热轧带钢表面缺陷预报

热轧带钢表面质量缺陷严重制约了产品质量高端化，其带钢表面质量缺陷具有多元化、随机性等特征，不同缺陷的形成机理不同，造成带钢表面质量缺陷的工艺复杂，难以实现对表面质量缺陷的有效控制。为解决热轧带钢质量缺陷难以实现在线诊断的问题，针对热轧生产过程发生频率较高的氧化铁皮印压入、边部翘皮、边部裂纹缺陷展开诊断预报研究。基于表面缺陷机理分析，明确了轧制过程影响带钢表面质量缺陷产生的原因变量，将其作为热轧板带表面质量缺陷预判模型的输入数据源。然后，基于深度置信网络和深度稀疏自编码器，提出一种基于SAE-DBN(spare auto encoder-deep belief nets,稀疏自编码器-深度置信网络)混合深度网络的热轧带钢表面缺陷预报模型。在DBN诊断模型的基础上，训练单个SAE得到最优网络权重。将得到的网络权重赋值给DBN模型的首层RBM(restricted Boltzmann machine,受限玻耳兹曼机),以此种方式初始化网络权值和偏置，以此进一步提高模型的预报能力和学习效率，改善深度自编码器稳健性不足的情况。采用热轧带钢生产过程实际数据对模型进行验证，结果表明SAE-DBN混合...