阿里巴巴马云入选全球30大CEO

巴隆金融周刊（Barron＇s）2008年度全球最佳运行长名单揭晓，除了股神巴菲特等21张老面孔，还有三人首次进榜，分别是Research In Motion（RIM）两位共同运行长巴希利（Jim Balsillie）与拉札里狄斯（Mike Lazaridis），和中国阿里巴巴集团的马云。     

野木瓜果醋的澄清研究

该文以壳聚糖、硅藻土、果胶酶、琼脂、明胶-单宁作为澄清剂对野木瓜果醋进行澄清处理,并对不同澄清剂处理的野木瓜果醋澄清效果进行对比.实验结果表明,当加入3%(v/v)的明胶-单宁澄清后的野木瓜果醋透光率达89.10%,比未添加澄清剂的野木瓜果醋透光率增加了14.34%,起到了较好的澄清作用.     

战略性新兴产业背景下高等学校专业结构调整分析

后金融危机时代,在大力发展战略性新兴产业背景下,必须加强高校专业结构调整力度.基于产业结构调整与高校专业结构调整之间的辩证互动关系和国外经验,新形势下,高校专业结构调整的基本原则是:动态、优势、特色和非均衡;其总体思路是,以学生为本,重视学生的个性发展.立足社会需要,努力打造能够适应时代变化和市场需求的高等学校专业课程体系.     

复合抗氧化剂对山核桃抗氧化的应用研究

实验以高油脂坚果山核桃为原料,通过添加化学抗氧化剂、天然抗氧化物、增效剂等对山核桃保质期进行研究,本文选用竹叶抗氧化物、TBHQ、茶多酚、增效剂中的单种或者通过叠加和增效作用的多种复合配比进行研究讨论,研究结果表明：G组复合抗氧化剂,即竹叶抗氧化物、TBHQ、增效剂添加比例为40%、40%、20%时,山核桃的抗氧化效果最明显,保质期最长。     

发酵型野木瓜果酒加工工艺研究

以天然特产资源野木瓜为原料,研究发酵型野木瓜果酒的加工工艺。确定大米糖化工艺最佳参数:大米料水比为1∶1(w/v),α-淀粉酶用量2.0%,液化时间1h,液化温度65℃;糖化酶用量2.5%,糖化时间5h,糖化温度55℃。在此基础上,通过单因素试验以及正交试验进一步确定了酒精发酵的最佳工艺条件为发酵温度28℃,大米浆∶野木瓜果汁比例为1∶1.75(w/w),酵母接种量为4%。在此最佳条件下进行酒精发酵,发酵6d,所得果酒酒精度达14.0%vol,感官指标、理化指标及微生物指标均符合产品质量标准。     

无疑,我们的选择是正确的!

<正>亲爱的《城市开发》杂志社的伙伴们:你们好!阳春三月,听闻贵刊新开辟了"读来读往"栏目,作为忠实读者,我们对此表示由衷祝贺。同时,对读者拥有与责刊直接沟通的新平台表示高兴。2018年是鸿坤物业发展与变革的一年,也是我们与责刊深入了解与合作的一年。感谢贵刊提供的诸多行业消息,让我们更加清晰地了解自己的优势与不足。我们通过精读     

野木瓜糯米酒的加工工艺

以野木瓜和糯米为主要原料研制野木瓜糯米酒。实验确定了最佳工艺参数为,果汁:甜酒比例为1:1(mL/g),酵母的添加量为0.1%,发酵温度28℃。并初步探讨了对野木瓜糯米酒的澄清效果,实验结果表明:在50 mL的果酒中添加2%的皂土溶液4 mL,澄清效果最佳,澄清后透光率高达90.0%。野木瓜糯米酒风味独特、酒香醇厚、果味清新,果香与糯米酒香相互协调,具有极其重要的开发价值和广阔的市场前景。     

基于超声技术的变压器油酸值检测研究

提出了一种用于变压器油酸值多频超声波检测的人工蜂群算法(ABC)优化反向传播神经网络(BPNN)的方法。通过多频超声波检测变压器油后得到的242维超声波数据作为BPNN的输入,基于指示剂法测定的变压器油酸值作为BPNN输出,并通过ABC算法寻求BPNN模型的最优参数,最终建立ABC-BPNN变压器油酸值预测模型。相比于BPNN标准模型,使用ABC-BPNN预测模型得到的酸值预测准确度更高,测量误差更小。     

基于MFU和FOA-BPNN的变压器油密度检测

研究一种基于多频超声(MFU)技术和果蝇优化BP神经网络(FOA-BPNN)的变压器油密度检测方法,将基于超声波原理测得的变压器油多频超声数据作为BP神经网络输入,密度计滴定法测定的变压器油密度作为输出,训练BP神经网络建立多频超声数据与变压器油密度的映射关系,同时为避免传统BP神经网络进行预测存在泛化能力弱,易陷入局部最优解的缺点,提出运用果蝇优化算法FOA对BP神经网络的拓扑结构、权值和阈值进行寻优,使用寻优结果建立基于FOA-BPNN的变压器油多频超声波图谱与油密度的映射关系模型。实例验证结果表明,相比于传统的BPNN模型,使用FOA对BPNN进行寻优后的模型的识别准确度更高,测量误差更小,将该模型用于基于多频超声波检测技术的变压器油密度识别是可行的。     

响应面法优化超声波强化提取薏苡仁酯

采用超声波强化溶剂提取法提取薏苡仁酯,在单因素试验基础上,利用响应面法对提取工艺参数进行优化研究。建立料液比、超声时间、超声温度与薏苡仁酯得率之间的数学模型,通过典型性分析得出最优工艺条件为料液比1:10(g/mL)、超声时间50min、超声温度50℃、超声功率300W、超声频率20kHz,在此条件下,薏苡仁酯得率为5.798%。