不同解冻方式对金枪鱼肉品质的影响

目的 探究不同解冻方式(盐水解冻、水浴解冻、流水解冻、超声解冻、低温解冻)对金枪鱼品质的影响。方法 通过分析金枪鱼肉不同解冻方式的解冻时间、保水性(蒸煮损失率、解冻损失率、持水力)、pH、菌落总数、TVB-N和感官评定。结果 低温解冻的鱼肉有着较好的保水性和色泽,但是解冻时间最长。超声解冻和流水相较于其他解冻方式,解冻时间有着显著减少(P＜0.05)。其中超声解冻后鱼肉品质明显优于流水解冻后鱼肉品质,解冻后的鱼肉菌落总数(3.73 lg(CFU/g))和挥发性盐基氮含量(6.18 mg/100 g)显著低于流水解冻。结论 超声解冻是一种较好的金枪鱼肉解冻方式。     

基于双通路卷积融合网络的脑龄分布预测

采用深度学习对脑龄预测问题进行研究,提出并设计一种基于双通路卷积融合网络的脑龄分布预测模型,以有效预测被试的大脑年龄。将被试静息态功能磁共振成像(rest-state functional MRI, rs-fMRI)数据通过标记分布学习方法,将确定的脑龄标签转化为一组具有高斯分布的概率,设计一个双通路卷积融合网络,包含卷积、批量归一化、池化等步骤,可以同时学习rs-fMRI多类激活图的特征,通过一个低秩融合网络来融合这些特征,利用损失函数对网络更新优化;对预测模型的结果进行详细分析。该模型得到的绝对平均误差和相关系数的指标分别为5.735和0.592 4。试验结果表明,相较于其他模型,该模型取得的平均绝对误差更小,相关系数更高,显著提高了基于rs-fMRI图像的脑龄预测精度。     

基于粗糙图的图卷积神经网络算法

图卷积神经网络在解决节点分类问题时,使用拓扑图刻画节点间关系,并根据该拓扑图进行节点特征更新.然而,传统的拓扑图只能刻画节点之间的确定关系(即连接边权重为固定值),忽略真实世界中广泛存在的不确定性.这些不确定性不仅影响节点之间的关系,同时影响模型最终的分类性能.为了克服该缺陷,文中提出基于粗糙图的图卷积神经网络算法.首先,使用上下近似理论和传统拓扑图的边理论构造粗糙边,在粗糙边中使用成对出现的最大-最小关系值刻画节点之间的不确定关系,从而构建粗糙图.然后,设计基于粗糙图的可端到端训练的神经网络架构,将使用粗糙权重系数训练后的粗糙图输入图卷积神经网络,使用这些不确定信息更新节点特征.最后,根据这些学习的节点特征进行节点分类.在真实数据上的实验表明,文中算法可提高节点分类的准确率.     

基于改进SOGI-FLL的旋转弹舵机滞后测试方法

针对旋转弹舵机滞后测试中存在的噪声及常值偏移问题，将2阶广义积分锁频环(SOGI-FLL)改进后应用于测试数据处理，以精确地得到舵机滞后角。舵机滞后角测试问题的本质是存在噪声及常值偏移下的正弦信号相位提取问题。通过在常规SOGI-FLL中引入常值偏移补偿回路，使其具有常值偏移扰动抑制能力。改进SOGI-FLL表现为带通滤波器特性，可实现正弦信号基波频率处无滞后无衰减的滤波，有效消除噪声及常值偏移的影响，其输出的正交信号供给带有PI环节的锁相环(PLL)进行相角估计。仿真和实验结果表明，在测试信号存在噪声及常值偏移时，相比于传统FFT方法和相关分析法，改进SOGI-FLL能够有效地提高滞后角处理精度。