蜂花粉的灭菌和发酵试验

蜂花粉营养十分丰富，但花粉含杂菌较多，且具有苦涩味，不易为人们接受。我们通过温差灭菌，酵母菌发酵，乳酸菌发酵，以及米曲霉和酵母菌混合发酵，解决这一难题，收到良好效果。     

8096的快速傅立叶变换汇编程序设计

使用单片机采集的数据进行实时快速傅立叶变换在仪表的智能化控制中具有重要应用。笔者给出了8096汇编语言设计快速傅立叶变换程序的思路和经验。以8096的四字节浮点数运算功能实现快速傅立叶变换,选用了倒序输入时间抽取快速傅立叶变换算法,采用通常的基2运算。快速傅立叶变换程序主要由三部分组成:倒序处理、主程序、碟形运算子程序。倒序处理生成倒序序列;主程序提供碟形运算的入口和参数;碟形运算作为快速傅立变换算法的核心在很大程度上决定主程序的实时性,并给出了变换核心的碟形算子程序。编制的8096汇编语言64点快速傅立叶变换程序已用于某石油仪器。这方法适用于点数不大的快速傅立叶变换的编程和其他汇编语言的快速傅立叶变换的编程。     

高温水蒸汽对裂化催化剂重金属污染的钝化

对共Y-15平衡剂进行了模拟工业条件下的不同温度、压力和时间的水蒸汽钝化处理,考察了其钝化效果,并与锑钝化剂的钝化性能作了比较。结果表明:经高温水蒸汽钝化后,氢产率、焦炭产率明显降低;汽油产率有所提高,微活性指数下降缓慢,其钝化效果无论是从活性还是选择性上都优于锑钝化剂。平衡剂经一定条件的水蒸汽处理后,可有效地抑制沉积在催化剂上的金属Ni的脱氢生焦性能,而本身活性不至于有明显改变。     

6个聚合物胞腔理论状态方程的分子参数比较

利用Ｚｏｌｌｅｒ提供的ＰＢＤ和ＰＩ两种聚合物系列样品的Ｐ－Ｖ－Ｔ数据，对Ｃｅｌｌ、Ｆｌｏｒｙ、ＳＳ、ＳＨＴ、ＳＨＴＦ和ＯＣＭ６个状态方程的分子参数及其随链结构变化的规律作了比较，得到了一些有益的结论。     

海藻酸钠-羧甲基纤维素钠凝胶涂层对锌负极稳定性的影响

通过一种绿色、自交联策略,基于海藻酸钠(SA)和羧甲基纤维素钠(CMC)中羧基对Zn²⁺的离子缔合作用,利用旋涂法在锌电极表面原位构建了具有孔结构的柔性 SA+CMC 凝胶涂层(Zn@SA+CMC)。涂层中富含羟基,羟基的强吸附效应能够使涂层与锌电极紧密结合,减少界面处的副反应。柔性涂层不仅能适应锌电镀过程中的体积变化,还表现出较好的亲锌性,更低的成核过电压,更高的离子电导率,有利于Zn²⁺均匀沉积,有效抑制了锌枝晶的生成。因此,Zn@SA+CMC对称电池能稳定运行890h(3 mA·cm^-2);Zn@SA+CMC||MnO₂全电池表现出优越的倍率和循环性能。     

一道二阶常系数非齐次微分方程的八种解法

针对一道研究生入学考试试题,即求微分方程y″-3y′+2y=2xex的通解,利用待定系数法、常数变易法、算子法、降阶法、积分因子法、拉普拉斯变换法以及MATLAB软件分别给出八种解法.     

基于交替投影算法求解单变量线性约束矩阵方程问题

研究如下线性约束矩阵方程求解问题:给定A∈R~(m×n),B∈R~(n×p)和C∈R~(m×p),求矩阵X∈R(?)R~(n×n)"使得A×B=C以及相应的最佳逼近问题,其中集合R为如对称阵,Toeplitz阵等构成的线性子空间,或者对称半(ε)正定阵,(对称)非负阵等构成的闭凸集.给出了在相容条件下求解该问题的交替投影算法及算法收敛性分析.通过大量数值算例说明该算法的可行性和高效性,以及该算法较传统的矩阵形式的Krylov子空间方法(可行前提下)在迭代效率上的明显优势,本文也通过寻求加速技巧进一步提高算法的收敛速度.     

哮喘患者肺泡巨噬细胞中IL－6mRNA表达的研究

应用逆转录酶链反应及索氏转移杂交技术分析过敏性支气管哮喘患者（激素治疗组９例，非激素治疗组１２例）及正常对照组（１０例）肺泡巨噬细胞（ａｌｖｅｏｌａｒｍａｃｒｏｐｈａｇｅｓ，ＡＭ）中白细胞介素一６（ｉｎｔｅｒｌｅｕｋｉｎ－６，ＩＬ－６）的ｍＲＮＡ表达。ＩＬ－６／β－ａｃｔｉｎ比值表示。结果发现未用激素治疗的哮喘患者ＡＭ的ＩＬ－６／μ－ａｃｔｉｎ为０．６６±０．３２，显著高于正常对照者（０．３４±０．１３，Ｐ＜０．０１）及激素治疗组（０．４１±０．１５，Ｐ＜０．０５）。提示表达ＩＬ－６的ＡＭ在哮喘的发病机理中可能具有重要的作用，而皮质激素治疗哮喘的机制之一可能与其抑制ＡＭ表达及产生ＩＬ－６的能力有关。     

变分不等式法解弹塑性接触问题

本文首次将变分不等式法引入弹塑性接触问题的分析,给出与接触问题微分方程提法相等价的变分不等式提法,并阐明其物理意义。本文在数值计算中采用混合坐标单元,用特殊处理后的罚法求变分不等式的数值解,在接触迭代过程中提出一种只需根据接触力进行判断的方法。计算成果是满意的,计算效率较高。     

Predicting Effectiveness of Generate-and-Validate Patch Generation Systems Using Random Forest

One way to improve practicability of automatic program repair (APR) techniques is to build prediction models which can predict whether an application of a APR technique on a bug is effective or not. Existing prediction models have some limitations. First, the prediction models are built with hand crafted features which usually fail to capture the semantic characteristics of program repair task. Second, the performance of the prediction models is only evaluated on Genprog, a genetic-programming based APR technique. This paper develops prediction models, i.e., random forest prediction models for SPR, another kind of generate- and-validate APR technique, which can distinguish ineffective repair instances from effective repair instances. Rather than handcrafted features, we use features automatically learned by deep belief network (DBN) to train the prediction models. The empirical results show that compared to the baseline models, that is, all effective models, our proposed models can at least improve the F1 by 9% and AUC(area under the receiver operating characteristics curve) by 19%. At the same time, the prediction model using learned features at least outperforms the one using hand-crafted features in terms of F1 by 11%