№ 138(4), Апрель, 2018
Дата выпуска: 30.04.2018
Архив журнала: Статей 13, 48 kb
-
05.20.00 Процессы и машины агроинженерных систем
Краткое описаниеВ статье представлены результаты исследования влияния предварительной обработки корнеплодов свёклы столовой электромагнитными полями крайне низких частот на потери сухих и биологически активных веществ, таких как витамин С и Р-активные вещества, в процессе длительного хранения. Объектами исследования являлись корнеплоды свёклы столовой сорта Бордо 237. Объекты исследования хранили в течение 7 месяцев при температуре 0…+1° С и относительной влажности воздуха 90 %. Отбор проб проводили через один месяц в течение всего срока хранения. Обработку электромагнитными полями крайне низких частот проводили с использованием экспериментальной установки собственной сборки. В результате проведенных исследований установлено, что обработка корнеплодов свёклы столовой сорта Бордо 237 электромагнитными полями крайне низких частот перед закладкой на хранение позволяет снизить потери сухих веществ на 4,1 % к концу хранения в течение 7 месяцев, а также снизить потери витамина С на 14,8 % и Р-активных веществ на 15,1 %. Полученные данные могут быть использованы при разработке новых или совершенствовании существующих технологий хранения корнеплодов свёклы столовой
-
Краткое описание
Арбуз имеет большое народнохозяйственное значение. Плоды обладают высокой пищевой и лечебной ценностью, прекрасными вкусовыми качествами, очень полезны для здоровья и пользуются большим спросом у населения. Почвенно-климатические условия Темрюкского района благоприятны для выращивания арбуза. Высокая урожайность и отменные товарные качества плодов привели к большой популярности Темрюкского арбуза не только на Черноморском побережье, но и на всей территории России. Актуальность совершенствования сортимента арбуза заключается в усилении конкуренции среди производителей, повышении потребительской культуры населения, увеличении объемов продаж, в т. ч. за счет появления на рынке сортов и гибридов нетрадиционных окрасок коры и мякоти. Целью наших исследований являлось установление наиболее адаптированных гибридов арбуза различных сегментов, с высокой урожайностью и товарностью плодов, перспективных для выращивания в Темрюкском районе. Научную новизну нашей работы обуславливают объекты исследований – новые, недавно созданные гибриды арбуза, перспективные для выращивании в Краснодарском крае. Работа имеет большую практическую значимость, поскольку на основании проведенных исследований выявлены перспективные гибриды арбуза зарубежной селекции различных сегментов скороспелости, выращивание которых целесообразно с агробиологической и экономической точек зрения
-
Агломеративная когнитивная кластеризация нозологических образов в ветеринарии
06.02.00 Ветеринария и Зоотехния
Краткое описаниеВ статье на небольшом численном примере рассматривается сходство и различие нозологических образов в ветеринарии с применением нового метода агломеративной кластеризации, реализованного в автоматизированном системно-когнитивном анализе (АСК-анализ). Этот метод получил название: «Агломеративная когнитивная кластеризация». Этот метод отличается от известных традиционных тем, что: а) в нем параметры обобщенного образа кластера вычисляются не как средние от исходных объектов (классов) или их центр тяжести, а определяются с помощью той же самой базовой когнитивной операции АСК-анализа, которая применяется и для формирования обобщенных образов классов на основе примеров объектов и которая действительно корректно обеспечивает обобщение; б) в качестве критерия сходства используется не евклидово расстояние или его варианты, а интегральный критерий неметрической природы: «суммарное количество информации», применение которого теоретически корректно и дает хорошие результаты в неортонормированных пространствах, которые обычно и встречаются на практике; в) кластерный анализ проводится не на основе исходных переменных, матриц частот или матрицы сходства (различий), зависящих от единиц измерения по осям, а в когнитивном пространстве, в котором по всем осям (описательным шкалам) используется одна единица измерения: количество информации, и поэтому результаты кластеризации не зависят от исходных единиц измерения признаков объектов. Все это позволяет получить результаты кластеризации, понятные специалистам и поддающиеся содержательной интерпретации, хорошо согласующиеся с оценками экспертов, их опытом и интуитивными ожиданиями, что часто представляет собой проблему для классических методов кластеризации