基于麻雀搜索算法结合深度前馈神经网络的近红外模型转移方法研究

该文提出了一种基于麻雀搜索算法结合深度前馈神经网络（SSA－DFN）的近红外光谱模型转移方法。使用深度前馈神经网络拟合不同仪器采集到的光谱之间的非线性函数映射,并将麻雀搜索算法用于网络各层连接权值和阈值的初始化,通过种群中个体位置的迭代更新,求得连接权值和阈值的最优初始值;通过多次调整深度前馈神经网络模型的超参数,使网络拟合效果趋于最优,最终确定转移函数。为验证方法的有效性,分别从烟叶近红外光谱谱图、主成分投影和预测结果的角度,将SSA－DFN方法与分段直接校正算法（PDS）、典型相关性分析算法（CCA）转移前后的效果进行了对比。结果表明SSA－DFN方法转移后的从机光谱与原主机光谱重合度最高,转移后主、从机总糖、烟碱含量的预测结果差异不显著,预测平均误差从8.32%、9.15%分别降至4.65%、4.82%,预测均方根误差（RMSEP）和决定系数（R2）等指标均优于PDS和CCA,取得了最佳的转移效果,可满足企业需求。结果表明该方法是一种有效的模型转移方法。     

Thermal Quantum Discord in Anisotropic Heisenberg XXZ Model with Dzyaloshinskii-Moriya Interaction

The thermal quantum discord （QD） is studied in a two-qubit Heisenberg XXZ system with DzyaloshinskiiMoriya （DM） interaction. We compare the thermal QD with thermal entanglement in this system and find remarkable differences between them. For instance, we show situations where QD decreases asymptotically to zero with temperature T while entanglement decreases to zero at the point of critical temperature, situations where QD decreases with certain tunable parameters such as Dx and Dx when entanglement increases. We find that the characteristic of QD is exotic in this system and this possibly offers a potential solution to enhance entanglement of a system. We also show that tunable parameter Dx is more efficient than parameter Dz in most regions for controlling the QD.     

高效液相色谱法测定卷烟粘合剂中甲醛、乙醛的含量

提出了预衍生化高效液相色谱法测定卷烟粘合剂中甲醛、乙醛含量的方法。卷烟粘合剂中醛经纯净水提取,离心机离心后分取部分上层清液,与2,4-二硝基苯肼衍生反应,生成的甲醛和乙醛的2,4-二硝基苯腙,用C18柱进行分离,用乙腈与水的混合物作流动相。在358nm紫外波长下检测,用醛衍生物配制标准定量。甲醛和乙醛在0.10～10.0mg·mL-1范围内呈线性。甲醛加标回收率在98.3%～118.9%之间,乙醛加标回收率在79.2%～89.2%之间,相对标准偏差(n=5)均小于5%。