低糖复合果酱的配方及其储藏期品质变化研究

为了研究风味和营养俱佳的低糖复合果酱,以新鲜的苹果、山楂和胡萝卜为原料,以原料比例、加糖量、复合增稠剂比例和浓缩时间为影响因素,通过单因素和正交试验确定最佳工艺配方.结果表明,低糖复合果酱最佳配方为:原料比例3:2:1(苹果:山楂:胡萝卜),加糖量20％,复合增稠剂比例1:1(果胶:黄原胶),浓缩时间18 min.在储藏6个月内,果酱的可溶性固形物和总糖含量呈下降趋势,酸度先增大后趋于稳定,菌落总数有所增加,均符合国家标准.另外,果酱储藏6个月内感官评分下降,在第6个月时,因营养成分发生变化引起口感不适.     

Gevrey势能的离散拟周期 Schrodinger算子的非扰动Anderson局域化

考虑一类具有Gevrey势能的离散拟周期Schrodinger算子, 其中其势能可写成一维环面上的大值解析函数加上Gevrey小扰动. 用大偏差定理和半代数理论证明在大系数下, 对任意的固定相位以及对几乎所有的频率, 该算子满足非扰动的Anderson局域化.     

复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

基于随机梯度下降算法实现对环上量子游走的动态完全控制

寻找如何实现幺正量子操作是量子计算领域的基本问题，主要研究通过环上的离散时间量子游走实现任意幺正量子操作的可能.首先推广引入了特殊的环上的离散时间量子游走模型，并对模型实现任意量子操作的有效性进行了探讨.对于两量子比特的量子系统，给出了通用量子门集合与量子傅里叶变换的构造解.由于高维情况构造解较难精确给出，引入机器学习中常用的随机梯度下降算法，得以在高维系统近似实现所需要的幺正量子操作.此外，如对算法进行进一步微调，可以在位置空间上的实现任意的幺正量子操作以及两结果半正定算子测量.在高维情况下，这意味着通过控制两能级的硬币系统即可控制位置空间上大型系统，从而实现小系统对大系统的间接完全控制.这些任务的完成表明，基于随机梯度下降算法可以实现对整个环上量子游走过程的动态完全控制.     

蒙脱石基复合光催化材料处理有机废水研究进展

半导体光催化作为一种绿色催化技术，具有广阔的应用前景。然而，到目前为止，光催化材料仍存在可见光利用率低，稳定性差，催化效率较低，难回收等问题。其中，光催化剂的负载化是解决回收与再利用的关键，也是其走向绿色应用的必由之路。蒙脱石是一种由颗粒极细的含水铝硅酸盐构成的层状矿物，在自然界中储量大、开采成本低，是一种优良的载体材料，在光催化材料中得到了广泛应用。本文系统介绍了目前蒙脱石基复合光催化材料的研究进展及其制备工艺，讨论了光催化技术在现实中的主要应用，最后对其发展前景进行了展望。     

基于动态卷积的胸部X光片疾病分类算法

胸部疾病严重威胁人类健康，及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义．胸部疾病经常通过胸部X光片进行诊断，但由于胸部疾病的多样性以及病理特征的复杂性，现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较高等问题．针对以上问题，提出一种基于动态卷积的胸部X光片疾病分类算法．将动态卷积模块加入密集连接网络，在不显著增加网络模型尺寸的前提下，增强网络对多尺度信息的特征提取能力，在提升分类准确度的同时保持高效推理；使用Meta-ACON改进ReLU(rectified linear units)激活函数，通过线性-非线性切换因子自适应地选择是否激活以及使用何种激活函数，从而增强网络的泛化能力；提出加权焦点损失函数，在焦点损失函数的基础上加入权重调整因子，使网络依据分类的难易程度为每种疾病合理分配权重，增大较难分类疾病的损失占比以提高其分类准确度，进而优化整体性能；对数据加载方式进行优化，增大批数据处理量以提升批归一化效果；在测试阶段使用测试时数据增强策略，综合分析多个维度的分类结果，提高分类的准确性与鲁棒性．在chestX-ray14数据集上的实验结果表明，在密集连接网络中...     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

黎曼流形上关于p-Laplacian的ν-Euclidean类型的Faber-Krahn不等式

首先利用Federer-Fleming定理研究了黎曼流形上p-Laplace算子的解析Faber-Krahn不等式;其次利用余面积公式和Cavalieri原理研究了黎曼流形上p-Laplace算子的解析Faber-Krahn不等式的一般化.