摘要：本试验旨在探究饲粮中添加微生态制剂和发酵白酒糟对西门塔尔牛生长性能、血清生化和免疫指标以及粪便菌群的影响。试验采用单因素试验设计,选取12头6月龄左右健康的西门塔尔牛,体重(155±5)kg,随机分为2组,每组6头。对照组饲喂基础饲粮;试验组分别在第1~60天和第61~120天在基础饲粮中添加2.0%和2.5%发酵白酒糟,并添加60 g/t微生态制剂。预试期7 d,正试期120 d。结果表明:1)与对照组相比,试验组西门塔尔牛平均日增重(ADG)极显著提高(P<0.01),料重比(F/G)显著降低(P<0.05)。2)与对照组相比,试验组西门塔尔牛血清免疫球蛋白A(IgA)、免疫球蛋白G(IgG)和免疫球蛋白M(IgM)含量均显著提高(P<0.05)。3)与对照组相比,试验组西门塔尔牛粪便菌群Shannon指数显著提高(P<0.05);主坐标分析(PCoA)和相似性分析(ANOSIM)结果表明,对照组和试验组之间粪便菌群差异显著(R=0.327,P=0.007)。在门水平上,西门塔尔牛粪便菌群中的优势菌门为厚壁菌门(Firmicutes)和拟杆菌门(Bacteroidetes);在属水平上,粪便菌群中的优势菌属为瘤胃球菌科UCG-005(Ruminococcaceae_UCG-005)。综上所述,饲粮中添加微生态制剂和发酵白酒糟可以提高西门塔尔牛生长性能和免疫功能,并提高粪便菌群多样性,维持消化道内环境稳态。

摘要：利用博弈模型实现蜜罐行为策略的优化是提高蜜罐诱捕能力的重要手段。现有研究存在动作空间简单、割裂博弈全过程的问题。基于此,提出了带有欺骗证据的蜜罐博弈机制(HoneyED)。HoneyED在扩大攻防动作空间的基础上,综合考虑博弈全过程,关注攻击者信念变化及这种变化对攻防策略的影响;然后基于信念求解理论均衡策略;最后基于深度反事实遗憾值最小化(Deep-CFR)设计了攻防混合策略均衡近似求解算法,得到了执行近似混合策略的攻防智能体。理论和实验结果表明,虽然攻击方在信念达到一定阈值后应及时退出博弈以获得最大收益,但所得蜜罐策略在考虑风险的情况下能尽量降低攻击方信念以诱骗其继续攻击,从而获得更大收益,且能针对具有不同欺骗识别能力的攻击方选择最佳响应。

摘要：作为一种典型的欺骗防御手段,蜜罐技术在主动诱捕攻击者方面具有重要意义。然而现有设计方法主要通过博弈模型来优化蜜罐的诱捕决策,忽略了攻击者的信念对双方博弈决策的影响,存在自适应优化决策能力弱、易被攻击者识破并利用等不足。为此,提出了基于信念的蜜罐博弈机制(Belief Based Honeypot Game Mechanism, BHGM)。BHGM基于攻击者完成任务的多轮博弈过程,重点关注蜜罐采取动作对攻击者信念的影响以及信念对攻击者是否继续攻击的影响。同时,基于树上限置信区间(Upper Confidence Bound Apply to Tree, UCT)设计了信念驱动的攻防最优策略求解算法。仿真实验结果表明,信念驱动的攻击方策略能基于当前信念选择继续攻击或及时止损以获得最大收益,而信念驱动的蜜罐策略在考虑风险的情况下能尽量降低攻击方怀疑,以诱骗其继续攻击,从而获得更大收益。

摘要：云计算技术的实际应用可以为移动学习的大力发展提供新颖的扩展思路,本文在重点分析移动学习的发展现况的实际基础上,设计出一个形式较为完整的云计算技术移动学习系统,从而可以体现出云计算技术对移动学习重大辅助作用。

摘要：采用响应面法优化二氯二苯胺合成工艺。在单因素实验基础上,以二氯二苯胺产率为响应值,选取催化剂用量、原料配比和反应时间为自变量,采用Box-Behnken中心组合设计实验方案并建立数学模型,对工艺条件进行优化分析。结果表明,二氯二苯胺合成最佳条件为:反应时间29.6 h,催化剂用量0.19,原料配比1.18,在此条件下目标产物产率为90.16%,模型预测产率为93.53%,绝对偏差为3.37%,说明回归模型是可靠、有效的,且显著性检验结果表明,影响响应值的因素主次顺序为反应时间、原料配比、催化剂用量。

摘要：文中提出基于深度特征决策融合的人脸识别方法。首先,设计卷积神经网络(CNN)对人脸图像进行多层次特征学习。紧接着,在CNN中的各个卷积层将所有的特征图进行联合,构造单一深度特征矢量。分类阶段,采用联合稀疏表示对构造的深度特征矢量进行表征,并根据总体重构误差判定待识别对象的人脸类别。在ORL和Yale-B数据集上开展实验并与现有几类人脸识别方法进行对比,结果验证了提出方法的有效性和稳健性。