检索结果-南通市图书馆

维普期刊数据库

超声波-双水相法提取辣蓼中总黄酮的工艺优化

在线全文

学校读者我要写书评

暂无评论

中国饲料 2023年第11期 30-35页

作者：赵泰霞周圆圆郑谦波胥海霞田雯欣华咏诗武夷学院茶与食品学院福建武夷山354300

本试验以福建武夷山采集的辣蓼为原料,采用超声波-乙醇/硫酸铵双水相法提取辣蓼中总黄酮。利用单因素试验及Box-Behnken响应面设计对提取工艺进行优化。得到辣蓼中总黄酮的最佳提取工艺条件为:乙醇浓度42%,硫酸铵含量10 g/40 mL,超声时... 详细信息

本试验以福建武夷山采集的辣蓼为原料,采用超声波-乙醇/硫酸铵双水相法提取辣蓼中总黄酮。利用单因素试验及Box-Behnken响应面设计对提取工艺进行优化。得到辣蓼中总黄酮的最佳提取工艺条件为:乙醇浓度42%,硫酸铵含量10 g/40 mL,超声时间80 min,料液比1:40,超声温度60℃。在此工艺条件下,辣蓼中总黄酮提取率为2.923%,与预测值接近。该方法对辣蓼中总黄酮具有良好的提取效果,可为辣蓼中黄酮类化合物在食品、医药、兽药等领域的深度利用提供新的参考。

关键词：辣蓼黄酮提取超声波双水相响应面

维普期刊数据库

基于混合注意力与偏振非对称损失的哈希图像检索

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：刘华咏徐明慧人工智能与智慧学习湖北省重点实验室华中师范大学计算机学院

随着互联网的不断发展，人们每天都在制造大量且复杂的图像数据，使当今主流的社交媒体充满了图像等媒体数据，如何快速且准确地对图像进行检索已经成为了有意义且亟待解决的问题。现有的主流的哈希图像检索模型为卷积神经网络(CNN)模... 详细信息

随着互联网的不断发展，人们每天都在制造大量且复杂的图像数据，使当今主流的社交媒体充满了图像等媒体数据，如何快速且准确地对图像进行检索已经成为了有意义且亟待解决的问题。现有的主流的哈希图像检索模型为卷积神经网络(CNN)模型，然而由于CNN的卷积操作只能捕捉局部特征，而无法处理全局信息，且卷积操作的感受野大小固定，无法适应不同尺度的输入图像。文中基于Transformer模型中的Swin-Transformer模型实现图像的有效检索。Transformer模型利用自注意力机制和位置编码操作有效地解决了CNN的问题。而现有的Swin-Transformer哈希图像检索模型的窗口注意力模块在提取图像特征时对于图像的不同的通道给予了相同的权重，从而忽略了图像不同通道特征信息的差异性和依赖关系，使得提取的特征的可利用性降低，造成了计算资源的浪费。针对上述问题，文中提出基于混合注意力与偏振非对称损失的哈希图像检索模型(HRMPA)。该设计基于Swin-Transformer的哈希特征提取模块(HFST)，在HFST中的(S)W-MSA模块加入了通道注意力模块(CAB)，得到基于混合注意力的哈希特征提取模块(HFMA)，从而使模型对输入图像的不同通道的特征赋予不同的权重信息，增加提取特征的多样性且最大限度地利用计算资源。同时，为了最小化类内汉明距离、最大化类间汉明距离并充分利用数据的监督信息，提高图像的检索精度，文中提出了偏振非对称损失函数(PA)，使偏振损失和非对称损失以一定的权重分配比进行组合，从而有效地提高图像的检索精度。实验表明，在哈希编码长度为16 bits时，所提模型在CIFAR-10单标签数据集上最高平均精度均值达到98.73%，比VTS16-CSQ模型提高了1.51%；在NUSWIDE多标签数据集上最高平均精度均值达到90.65%，比TransHash提高了18.02%，比VTS16-CSQ模型提高了5.92%。

关键词：哈希检索空间注意力 Swin-Transformer 混合注意力偏振损失非对称损失

基于GAN的语义对齐网络半监督跨模态哈希方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：刘华咏朱婷计算机学院华中师范大学

监督方法在跨模态检索中已有不少成果，成为比较热门的方法，然而，这些方法过于依赖标记的数据，没有充分利用无标签数据所包含的丰富信息。为了解决这一问题，人们开始研究无监督方法，但是仅依靠未标记数据时，效果并不理想。因此提... 详细信息

监督方法在跨模态检索中已有不少成果，成为比较热门的方法，然而，这些方法过于依赖标记的数据，没有充分利用无标签数据所包含的丰富信息。为了解决这一问题，人们开始研究无监督方法，但是仅依靠未标记数据时，效果并不理想。因此提出了基于GAN的语义对齐网络半监督跨模态哈希方法(GAN-SASCH)。该模型基于生成对抗网络结合了语义对齐的概念。生成对抗网络分为两个模块，分别是生成器和判别器，生成器学习拟合未标记数据的相关性分布并生成虚假的数据样本，判别器则用于判断数据对样本是来自数据集还是生成器。通过这两个模块之间展开极大极小的对抗博弈游戏，不断提升生成对抗网络的性能。语义对齐能充分利用不同模态之间的相互作用和对称性，统一不同模态的相似性信息，有效地指导哈希代码的学习过程。除此以外，还引入了自适应学习优化参数以提升模型性能。在NUS-WIDE和MIRFLICKR25K数据集上，对比了本文方法与9种相关前沿方法，使用MAP与PR图两种评价指标验证了该方法的有效性。

关键词：跨模态哈希生成对抗网络语义对齐半监督自适应学习

不同途径接种23价肺炎球菌多糖疫苗与不良反应发生调查研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

不同途径接种23价肺炎球菌多糖疫苗与不良反应发生调查研究