不同品牌郫县豆瓣酱挥发性成分的比较研究

采用同时蒸馏萃取,结合气-质联机对2种不同品牌郫县豆瓣酱的挥发性成分进行了比较研究.研究结果表明:不同品牌的郫县豆瓣酱挥发性成分的差别比较大,如川花牌豆瓣酱鉴定出86种,丹丹牌78种;2种品牌豆瓣酱挥发性成分都是酯类最多,其次是醇类,然后是醛酮类等,其中含量较大的成分有3-甲基丁醇、糠醇、芳樟醇、苯乙醇、3-甲基丁醛、糠醛、苯乙醛、3-羟基-2-丁酮、乙酸乙酯、十六碳酸乙酯、亚油酸乙酯、十八碳酸乙酯、4-乙基苯酚、4-乙基-2-甲氧基苯酚和2-甲氧基-4-乙烯基苯酚等.     

分子蒸馏分离天然生育酚初步研究

以新疆地产资源棉籽油脱臭馏出物为原料,经过预处理后运用分子蒸馏技术分离原料中的生育酚,并与原料直接进行分子蒸馏的结果做了比较。原料中生育酚的含量为4.1%,直接进行分子蒸馏后生育酚的含量为6.5%;原料经过预处理后再进行蒸馏,生育酚的含量为61.3%,方法简单、快捷,可以用来分离棉籽油脱臭馏出物中生育酚。     

数据挖掘在多塔蒸馏故障诊断专家系统中的应用

知识获取是专家系统乃至其他知识系统的一个“瓶颈”问题。分析了多塔蒸馏专家系统中知识获取过程中存在的困难,探讨了将数据挖掘技术应用到专家系统,从而实现知识自动获取,给出了相关模型,同时提出了有待解决的问题。     

共沉淀-共沸蒸馏法制备掺杂Fe3+的TiO2纳米粉体及其光催化性能

采用共沉淀-共沸蒸馏法制备了掺杂Fe3+的TiO2纳米粉体,通过XRD和TEM等对掺杂Fe3+的TiO2纳米粉体的结构相变、晶粒粒度进行表征,研究了所得粉体的光催化活性.结果表明,用共沉淀-共沸蒸馏法制备出了分散性好的球形掺杂Fe3+的TiO2纳米粉体,热处理温度为450℃时粒径为7 nm左右,晶相为纯锐钛矿型;700℃时粒径为22 nm左右,晶相为锐钛矿型和金红石型混合相;通过对亚甲基橙的光催化降解研究,发现掺入0.1%Fe3+的TiO2粉体的催化活性较好,且经共沸处理的比未经共沸处理的具有更好的活性.     

气测录井自动监测系统的研究

介绍了一种新型气测录井自动化监测系统，研制完成了自动真空蒸馏脱气器，该系统将引流装置，自动真空蒸馏脱气器，多道组合色谱分析器，计算机融为一体，使用证明系统提供的样品气总烃含量比常规脱气器脱出气体含量出10倍以上，因此提高了油气勘探精度。     

GC-MS提取茼蒿中挥发油的工艺条件及成分分析

采用水蒸气蒸馏和常压蒸馏两种方法对本地产茼蒿的挥发油进行提取,通过气相色谱-质谱联用仪研究挥发油的最佳提取工艺条件,再对茼蒿挥发油成分进行定性分析,并且采用面积归一化法确定各成分在挥发油中的相对百分比含量.结果表明：水蒸气蒸馏法比常压蒸馏法效果更佳,二氯甲烷、乙醚、石油醚三种萃取剂中乙醚对茼蒿挥发油萃取的效果最好.茼蒿挥发油中共检测出26个成分,占挥发油总量的94.45％.其中主要成分有2-乙氧基-3-氯代丁烷（20.1％）、四十烷（3.35％）、二丁基羟基甲苯（39.99％）、正十八烷（5.65％）、正二十烷（4.38％）、二苯胺（4.14％）、溴二十二烷（2.79％）、3,7-二甲基-1-辛醇（2.03％）、3-甲基十七烷（3.00％）、1-氯十四烷（2.06％）、正十五烷（1.44％）.     

同时蒸馏萃取气质联用法测定花椒挥发油成分

用同时蒸馏萃取法制备 ,色谱 -质谱联用仪分析了花椒挥发油化学成分及百分含量。从中分离出 80余种化合物 ,共鉴定出 5 6种 ,占挥发油总量的 95 .99% ,其中 5 2种为萜类化合物 ,杀虫活性组分 β -水芹烯含量高达 2 3.12 % ,里哪醇含量为 3.5 1% ,表明同时蒸馏萃取法是提取花椒杀虫活性组分的有效方法。     

基于生成对抗网络的医学诊断模型知识蒸馏对抗攻击方法

为了提高医学诊断模型防御攻击的能力,提出了一种基于生成对抗网络的医学诊断模型知识蒸馏对抗攻击方法。首先创建医学对抗攻击端到端训练网络,并以残差网络作为对抗网络架构;其次在生成器特征块中融合扩张卷积块和通道注意力机制,采用马尔可夫判别器改进判别器网络结构;最后利用生成器和判别器组建生成对抗网络,使用对抗样本进行知识蒸馏对抗攻击,以训练医学诊断模型提高识别精度。采用对抗样本对所提对抗方法进行攻击验证,结果表明：本文方法对抗攻击的成功率为92.6%,与所对比的主流方法相比,该方法的成功率提高了20%,生成对抗样本的最大平均差异降低了3.68%,峰值信噪比、结构相似性分别提升了5.07%、20.29%。本文方法解决了医学诊断模型在对抗攻击中难以获取网络结构和参数信息的问题,生成的对抗样本更接近真实样本,网络效果更佳,为辅助医疗模型诊断及模型安全性提供了参考方案。     

基于知识蒸馏的跨模态哈希

由于计算和存储的高效性,哈希被广泛地用于大规模跨模态检索.现有跨模态哈希方法分别对单模态数据生成哈希码,忽略了模态内和模态间的上下文信息,无法充分挖掘多媒体数据的潜在关联信息.为此,本文提出一种基于知识蒸馏的跨模态哈希方法.该方法首先利用基于Transformer的教师网络从图像和文本数据中捕获模态内和模态间的上下文信息,进而得到包含丰富视觉-语义关联信息的联合表示,并将联合表示投影到低维的汉明空间以得到判别性较高的二值哈希码.此外,该方法利用知识蒸馏技术将教师网络学到的多模态数据潜在关联信息迁移到学生网络,从而让学生网络生成的哈希码最大程度保留多模态关联信息.该方法在MIRFLICKR-25K,NUS-WIDE和MS-COCO数据集上进行验证,实验结果表明该方法的跨模态检索性能优于目前的主流方法.     

结合编解码器与知识蒸馏的图像超分辨率方法

针对传统的知识蒸馏方法无法在超分辨率网络之间传递有效信息的局限性,提出了一种适用于超分辨率任务的知识蒸馏训练框架。借鉴编解码器的结构特点,使用编码器去捕捉高清图像中的高频信息,利用性能较好的大网络去构建解码器,通过特征知识蒸馏的方式,将大网络中的高频信息传递给性能较弱的小网络,达到无需修改小网络的结构便能有效提升小网络高分辨率图像重建的效果,训练出轻量级的超分辨网络。通过与现有算法进行定量比较可知,提出的算法能在相同计算资源下取得更优的性能表现。