线性模型与机器学习模型在牦牛体重预测比较

本研究旨在比较线性回归模型与机器学习模型在利用体尺性状预测体重时的准确性。测定102头革吉那布地区两岁龄牦牛相关体尺性状(体高、体长和胸围)与体重,然后将数据按照不同比例梯度分为训练集和测试集,利用传统的一般线性模型方法和机器学习方法(高斯过程回归、支持向量机)分别构建体尺性状与体重之间的回归预测模型。每个比例均重复5次,将体重的真实值与预测值之间的相关系数均值作为当前比例下的模型准确性结果。结果显示,随着训练集数据的增加,线性回归模型的预测结果较稳定在0.71至0.80之间,而机器学习方法的预测准确性最高达到0.91。故在训练集数据充足的情况下,相比于一般线性模型,利用机器学习方法进行预测具有更高的准确性。     

基于APP的食品添加剂课程教学模式应用研究

以食品添加剂课程辅助教学APP构建为基础,从该模式的优势、可行性、基于APP的食品添加剂课程移动教学内容设计与建设、食品添加剂课程移动教学实际意义等方面深入探讨移动教学模式构想。结合现代移动互联技术和食品添加剂课程教育教学内容,寻找迎合食品学科人才培养与教育教学的新思路,为高等院校教学模式的变革提供理论依据和实践参考。     

Hyperspectral species mapping for automatic weed control in tomato under thermal environmental stress

This work studied the impacts of variations in environmental temperature on hyperspectral imaging features in the visible and near infrared regions for robust species identification for weed mapping in tomato production. Six major Californian processing tomato cultivars, black nightshade (Solanum nigrum L.) and redroot pigweed (Amaranthus retroflexus L.) were grown under a variety of diurnal temperature ranges simulating conditions common in the Californian springtime planting period and one additional treatment simulating greenhouse growing conditions. The principal change in canopy reflectance with varying temperature occurred in the 480-670 and 720-810 nm regions. The overall classification rate ranged from 62.5% to 91.6% when classifiers trained under single temperatures were applied to plants grown at different temperatures. Eliminating the 480-670 nm region from the classifier’s feature set mitigated the temperature effect by stabilizing the total crop vs. weed classification rate at 86.4% over the temperature ranges. A site-specific recalibration method was also successful in alleviating the bias created by calibrating the models on the extreme temperatures and increased the classification accuracy to 90.3%. A global calibration method, incorporating all four temperature conditions in the classifier feature space, provided the best average total classification accuracy of 92.2% out of the methods studied, and was fairly robust to the varying diurnal temperature conditions.     

黄精水煎剂对β-淀粉样蛋白诱导的大鼠 学习记忆能力下降的保护作用研究

本研究旨在探讨黄精水煎剂(PCD)对β-淀粉样蛋白(Aβ)致阿尔茨海默病(AD)模型大鼠的保护作用及可能机制。通过Aβ25-35微量注射至大鼠双侧海马CA1区建立AD模型,同时用PCD干预,研究PCD对AD模型大鼠学习记忆能力、海马组织损伤和CA1区神经元中过度磷酸化tau蛋白(p-tau)表达的影响。结果表明,PCD可明显缩短模型大鼠逃避潜伏期,对模型大鼠学习记忆能力损伤有保护作用;能改善大鼠海马神经元损伤,减少CA1区在thr231位点tau蛋白的过度磷酸化。这些结果提示,PCD对学习记忆能力有显著的保护作用,这可能与其减少海马内p-tau-thr231水平和消除组织氧化逆境有关。     

高等农业院校科技译刊选题刍议

选题是办刊的一个重要环节,高等农业院校科技译刊选题,要根据农业学科本身的特点,根据教学科研的实际需要,又能反映学科发展的新趋势、新动态,同时,选题还要考虑本校翻译队伍的优势,特点。     

教育思想大讨论下“食品营养学”课程的思考

就如何提高学生高效率地自主学习专业课是高效教育改革创新的重要环节,其成果对于推动学生对于专业知识的掌握具有积极作用。通过对教育思想大讨论中提出的学生自主学习“食品营养学”的重要性进行论述,并对教学中出现的问题进行剖析,提出采用教学制度的改革创新同移动慕课的混合教学的方式,同时结合食品营养学就业导向这种三位一体的方式来提升学生自主学习能力,旨在培养更多的食品营养学方向的人才。     

谈高校管理中的激励技术

在高校的管理过程中,科学地选择激励技术是调动教职工积极性,发挥教职工创造性,质量和办学水平的有效的一从六个方面对此了探讨。     

全面提高农林院校硕士生计算机应用水平

随着我国改革开放步伐的加快、加入世贸组织日期的临近,高等农林院校硕士研究生的计算机教育将面临更大的挑战和机遇。如何抓住机遇,迎接挑战,全面提高农林院校硕士研究生计算机应用水平,是目前农林院校硕士生教育急需解决的问题之一。本在调查研究的基础上分析探讨了目前国内农林院校硕士研究生计算机教育存在的问题,并给出了几点改革建议。     

基于深度学习的小浆果一体化智能采摘与分选研究进展

小浆果因具有较高的营养价值和保健作用深受人们喜爱,被国际市场誉为第3代水果。随着市场需求量的增加,林业小浆果的智能采摘与分选成为一种新的趋势。目前,由于现有技术自动化和智能化程度不高,导致大量人力、物力的投入。深度学习方法的飞速发展促进了检测技术的精确作业和检测精度的提高。文中概述了深度学习的发展进程,通过总结国内外关于深度学习方法在小浆果采摘与分选中的应用,提出深度学习方法在实际应用过程中存在的问题及解决措施,并展望深度学习方法在小浆果智能采摘与分选检测方面的发展趋势。