【摘 要】
：
以小米为主要原料,添加红豆、绿豆、黑豆、燕麦等杂粮粉,利用多种酶对杂粮米粉进行酶法水解,以还原糖含量（DE值）和感官品质为指标,以复配酶比例、酶解温度、酶解时间、小米与杂粮配比为单因素变量,分别进行单因素试验和正交试验,确定最佳酶解工艺为:复配酶比例1︰5,酶解温度55℃,酶解时间105 min,小米与杂粮配比3︰1。试验得到杂粮米粉DE值为61.78%,此时制得的杂粮米粉口感佳、营养价值高。
【基金项目】
：
黑龙江省属高校基本科研业务费科研项目青年项目（KYYWF10236190112）； 黑龙江教育厅基本科研业务费多学科交叉科研项目（KYYWF10236180208）；
论文部分内容阅读
以小米为主要原料,添加红豆、绿豆、黑豆、燕麦等杂粮粉,利用多种酶对杂粮米粉进行酶法水解,以还原糖含量（DE值）和感官品质为指标,以复配酶比例、酶解温度、酶解时间、小米与杂粮配比为单因素变量,分别进行单因素试验和正交试验,确定最佳酶解工艺为:复配酶比例1︰5,酶解温度55℃,酶解时间105 min,小米与杂粮配比3︰1。试验得到杂粮米粉DE值为61.78%,此时制得的杂粮米粉口感佳、营养价值高。
其他文献
目的探究甲钴胺对治疗神经性耳鸣临床疗效及安全性的影响。方法选取2019年1月-2020年12月我院收治的60例神经性耳鸣患者作为研究对象,按随机数字表法将其分为实验组和对照组（各30例）。对照组进行常规治疗,实验组患者在常规治疗的基础上施以甲钴胺治疗,比较两组患者的临床疗效及安全性。结果治疗后,实验组患者的临床效果更佳,并且发生的并发症也更少,差异均具有统计学意义（P<0.05）。结论对神经性耳鸣
通过在高速度列车端部的多胞吸能结构中加入纵向开孔方案，来提高结构的耐撞性能。研究通过有限元软件LS-DYNA建立开孔结构的有限元模型，并通过动态冲击试验验证该模型的准确性。在此基础上，提出使用径向基函数代理模型（Radial Basis Function，RBF）和深度信念网络（Deep Belief Network，DBN）结合构建吸能结构的混合代理模型。采用多目标遗传算法对开孔的位置、大小以及
人工智能技术的快速发展,已成为当前组织管理实践与研究中不容忽视的背景。在人工智能驱动的组织与人力资源管理变革中,存在着更为复杂且不确定的影响模式。遗憾的是,在人工智能越来越多地应用于人力资源管理实践时,相应的学术研究却越发滞后。有鉴于此,《中国人力资源开发》2021年初策划了研究专刊并向学界同仁发布了征稿通知,最终于2022年第1期推出这一专刊。本专刊旨在多视角地呈现人工智能与人力资源管理相结合的
中药健脑散治疗小儿病毒性脑炎后遗症３８例徐荣谦指导：刘弼臣（附属东直门医院儿科１００７００）关键词健脑散，小儿病毒性脑炎后遗症，肝肾虚损，补益肝肾很多病毒可以引起脑炎，不同病毒所引起的脑炎，各有其特点，但其根本是颅内组织受到损害，出现许多共有和类似的...
人力资源管理的演变与科技革命密切相关。当前,代表最新技术力量的人工智能已进入工作场所。这些技术将如何影响人力资源管理实践,是否会带来人力资源管理模式的变革,这一问题受到学术界越来越多关注。本文采取弱技术决定论视角,重视技术的异质性、技术的应用以及情境的差异,循着"技术路线"-"技术应用"-"技术影响"-"模式变革"的框架展开研究。首先对人工智能三大技术流派进行介绍,通过纵向梳理三者的发展轨迹,深入
目的分析神经性耳鸣患者采取利多卡因联合声频共振治疗神经性耳鸣的疗效。方法遴选我院耳鼻喉科2019年10月～2020年10月就诊的138例神经性耳鸣患者为研究主体,应用方便抽样法平均分成2组,组别是参照组、研究组,分别纳入69例。予以参照组利多卡因治疗,予以研究组利多卡因联合声频共振治疗,对比两组疗效与耳鸣程度。结果研究组治疗总有效率显著高于参照组,（P<0.05）;研究组治疗后的耳鸣程度评分低于参
在绝大多数人的观念中,贪污贿赂、挪用公款犯罪总是中年人、临退休人员的问题。但是从1998年至2000年10月不到三年的时间里,北京市海淀区人民检察院反贪局查处不满30岁的犯罪嫌疑人19人,占查办案件总数的17.6%。他们中犯罪的最低数额是4.2万元,最高数额达7100万元;他们中犯罪时的最低年龄只有19岁,刚刚跨过未成年人的门槛;犯罪时的平均年龄只有25.6岁。面对这样一串沉重的数字,我们不能不感
本文以2010年会计师事务所实施特殊普通合伙制转制为背景,研究市场是如何感知审计师法律责任对会计信息可比性的影响。研究发现:（1）市场感知转制增强了审计师的法律责任,提高了会计信息可比性。（2）市场感知法律责任的增强,不仅降低了不同会计师事务所之间的审计风格差异,提高不同会计师事务所客户之间的会计信息可比性,同时也降低了同一会计师事务所中不同合伙人之间的审计风格差异,提高了同一会计师事务所不同合伙
本研究关注的是机器学习在人力资源管理领域的应用,通过目前已有研究的梳理,以了解在人力资源管理领域中人工智能/机器学习的应用程度和研究热点。同时,基于管理实践,本研究提出了人力资源管理者如何利用算法,以有价值的方式处理和解释数据,将其真正应用于人力资源管理的六大模块工作中,以降低管理成本,提供不断增长的优势和潜力。最后,在现有学术研究和管理实践的基础上,本研究列举了机器学习在人力资源管理领域应用可能