大孔树脂纯化天麻多糖的工艺研究

本研究以炮制的干天麻为原料,水提醇沉法提取多糖,大孔吸附树脂纯化,比较了八种大孔树脂(AB-8、D101、LX-17、D301、NKA-9、S-8、LSD-001、ADS-7)对天麻多糖静态吸附-解析效果,筛选出最佳纯化树脂,再研究最佳树脂纯化天麻多糖工艺参数.结果为:八种大孔吸附树脂中D101对天麻多糖的纯化效果最好.样品液浓度、温度、上样速度,洗脱用乙醇浓度、洗脱流速及洗脱体积等因素均对D101树脂吸附分离天麻多糖有影响.所得的最佳纯化工艺为:20℃是较适宜的吸附温度,上样速度1BV/h,上样浓度4mg/mL,进行吸附;吸附饱和平衡后,用解析液浓度60%乙醇,解析速率2BV/h,解析液体积3BV进行动态洗脱.通过该工艺天麻多糖的纯度提高到了65.7%,表明了大孔树脂D101对天麻多糖具有较好的纯化效果.     

一种基于词嵌入模型和卷积神经网络的简化文本分类方法

自然语言处理（Natural Language Processing,NLP）可分为自然语言理解（Natural Language Understanding,NLU）和自然语言生成（Natural Language Generation,NLG）两大类子任务。预训练语言模型和神经语言模型在自然语言理解的整个流程中占据重要地位。本文梳理了文本预训练语言模型的发展流程,并分析当下主流的预训练语言模型以及深度学习模型的不足,基于经典预训练语言模型（Word2Vec）和卷积神经网络分类模型（CNN）,提出一种简化的文本分类模型（Simplified CNN）,在多个情感分析（Sentiment Analysis,SA）基准数据集上进行实验测试,实验结果表明,在文本分类任务上,简单网络可以得到与复杂网络相媲美的分类效果并且运行时间优于复杂网络,与传统的分类模型相比较,在分类效果上表现出了优势。     

基于语义理解的Bayesian-Boosting情感分类

提出将语义理解与统计学方法相结合的机器学习算法来进行文本情感分类。首先提取文本中的情感词汇作为特征,利用统计学方法得到特征的初始权重,然后通过分析文本语义结构修改特征权重,最后利用Bayesian算法和以Bayesian作为基本分类算法的Boosting算法进行分类。实验表明,基于语义理解的Bayesian分类算法的分类准确率高于仅基于统计学的Bayesian分类算法,基于语义理解的Bayesian-Boosting算法的分类准确率最高,达到了90%。     

探讨国有企业如何实现数字化转型发展

当前,数字化转型已然成为企业核心竞争力提升的重要砝码,数字化转型也是国有企业强身健体、提高竞争力的必由之路,这就意味着国有企业在实现数字化、智能化转型过程中,应不断加快由“企业制造”向“企业智造”的华丽转变。从而实现企业数字经济常态化、智能化联络机制,为企业发展提供精准服务。国有企业在推进数字化转型过程中,应从选择上游出发,在全产业链中推进数实融合,以数字化提高管理效率、提升发展质量,夯实自身发展基础,打造企业数字化样本,推动国有企业加速转型。     

高持续荷载下混凝土徐变和损伤耦合机理

为研究混凝土在高持续荷载作用下徐变和损伤的耦合机理.采用加卸载、碱骨料及高温烘烤获得了带不同初始损伤的混凝土,并开展了损伤混凝土在不同应力水平高持续荷载下的徐变试验,分析了混凝土徐变变形和损伤随持荷时间的变化规律,研究了单调加载和持续荷载下材料内部损伤演化和应变能累积的关系.结果 表明:混凝土在长期荷载作用下损伤随徐变应变增加而增大,在损伤稳定发展阶段徐变应变与损伤基本呈线性关系.混凝土在不同荷载形式下应变能和损伤的演化关系相同,可以通过混凝土单轴损伤-应变能关系来表征高持续荷载下徐变和损伤的耦合关系.研究成果可以为长期荷载下混凝土结构分析提供参考.