基于门控联合池化自编码器的通用性文本表征

为了学习文本的语义表征,以往的研究者主要依赖于复杂的循环神经网络(recurrent neural networks, RNNs)和监督式学习方法。该文提出了一种门控联合池化自编码器(gated mean-max AAE)用于学习中英文的文本语义表征。该文的自编码器完全通过多头自注意力机制(multi-head self-attention mechanism)来构建编码器和解码器网络。在编码阶段,提出了均值—最大化(mean-max)联合表征策略,即同时运用平均池化(mean pooling)和最大池化(max pooling)操作来捕获输入文本中多样性的语义信息。为促使联合池化表征可以全面地指导重构过程,解码器采用门控操作进行动态关注。通过在大规模中英文未标注语料上训练模型,获得了高质量的句子编码器。在重构文本段落的实验中,该文模型在实验效果和计算效率上均超越了传统的RNNs模型。将公开训练好的文本编码器,使其可以方便地运用于后续的研究。     

2020年4月全国主要橡胶原材料价格

2020年4月全国主要橡胶原材料价格     

非常规蛋白基木材胶黏剂研究现状及发展前景

介绍了动物和植物型非常规蛋白资源的种类及其制备蛋白基木材胶黏剂的研究现状和存在的问题,展望了非常规蛋白胶黏剂的发展前景。     

基于深度学习的视频跟踪研究进展综述

近年来深度学习迅猛发展，颠覆了语音识别、图像分类、文本理解等领域的算法设计思路。深度学习因其具备强大的特征提取能力，在图像识别领域的成绩尤为突出。然而深度学习与视频监控领域的结合并不多，由于深度模型具有多层网络结构，算法复杂度大，训练和更新模型时比较耗时，很难满足实时性要求。回顾了深度学习的发展史，介绍了最近10年来国内外深度学习主要模型，论述了基于深度学习的目标跟踪算法，指出了各算法的优缺点，最后对当前该领域存在的问题和发展前景进行了总结和展望。     

多元合金化大断面球墨铸铁组织和性能的分析

为了提升大断面球墨铸铁综合力学性能，通过复合添加微量合金元素铜、锑、锡、钼对大断面球墨铸铁进行微合金化处理，借助金相显微镜(OM)、扫描电子显微镜(SEM)及力学性能测试等手段，研究了Cu Sb Sn Mo复合微合金化大断面球墨铸铁微观组织和力学性能。结果表明，试验球墨铸铁具有良好的综合力学性能。大断面球墨铸铁中添加铜、锑、锡、钼后优化了材料的组织结构，基体组织为珠光体＋少量牛眼状铁素体；试样石墨组织细小、圆整，分布均匀。同时，合金元素的复合加入使得其抗拉强度达到800 MPa以上，硬度约为280HB，伸长率达到5%以上。拉伸断口分析表明，微合金化大断面球墨铸铁断裂模式以解理断裂为主，伴有少量的塑性变形。     

Headspace fingerprinting approach to identify the major pathway influencing volatile patterns of vinasse-cured duck processed by high pressure,as well as its impact on physicochemical and sensory attributes

As a decisive attribute, flavour could be influenced by HP treatments through multiple physical and chemical pathways within the high pressure (HP)-assisted meat curing process. This investigation aimed to identify the major pathway influencing volatile flavour patterns of two representative vinasse-cured duck (VCD) products with HP treatments (150–300 MPa/15 min), including wet and dry types, by employing headspace fingerprinting as an untargeted approach. Results suggested that HP treatments greatly lowered moisture contents and increased Warner-Bratzler shear force and thiobarbituric acid reactive substances of the cured samples. According to multivariate models, the volatile flavour patterns of the HP-processed VCD could be clearly separated from the unprocessed samples, but the VCD pressurised at different intensities represented similar volatile fingerprinting, which was validated by e-nose analysis. The discriminant analysis (OPLS-DA) model outlined vinasse-derived ethanol, acetic acid, 3-methyl-1-butanol, 2-methyl-1-butanol, phenethyl alcohol and 2-methyl-3-octanone as the major discriminant aromas across the unpressurised and pressurised samples.