分类： 生物学 >> 动物学 提交时间： 2018-12-24 合作期刊: 《动物营养学报》
摘要： 本试验旨在探讨在饲粮中应用玉米替代象草，增加能量水平对肉牛生长、消化及血清生化指标的影响，从而为肉牛育肥过程中合理使用能量饲料提供依据。选取30头21月龄左右的杂交公牛[（449.4±45.7） kg]，随机分为3组，分别为低能组、中能组和高能组，对应饲粮干物质中玉米和象草的含量分别为12.5%、22.5%、32.5%和60.0%、50.0%、40.0%，每组10头。试验期45 d，其中预试期5 d，正试期40 d。正试期内测定平均日增重、料重比,并计算经济效益；最后5 d用全收粪法测定干物质表观消化率；最后2 d分别于晨饲前及晨饲后2.5、6.0 h测定瘤胃液pH；最后1 d采集血液用于测定血清生化指标。结果表明：1）平均日增重以高能组最高（1.31 kg/d），中能组次之（1.21 kg/d），低能组最低（0.96 kg/d），但各组差异不显著(P>0.05)；各组干物质采食量、干物质表观消化率均为高能组>中能组>低能组,高能组与低能组差异显著(P0.05）；高能组、中能组晨饲后2.5和6.0 h瘤胃液pH显著低于低能组（P0.05）。综合得出，肉牛育肥期以象草为唯一粗饲料时，提高饲粮中玉米含量以增加能量水平提高了肉牛干物质采食量、干物质表观消化率、平均日增重和经济效益，降低了料重比；当饲粮中玉米含量达32.5%时对瘤胃发酵和肉牛健康也无不利影响，具有最大的养殖经济收益
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-06-19 合作期刊: 《计算机应用研究》
摘要： 模糊测试用例的好坏是影响测试效果的重要因素。目前常规的生成方法是随机变异和人工协议分析构造，分别存在变异盲目效率低和构造复杂代价高的问题。针对上述问题提出运用深度学习技术辅助测试用例生成。利用循环神经网络处理字符文本序列的优势，通过样本数据学习训练结构特征，并预测生成符合结构特征的新数据，与随机变异算法结合构造了自动生成模型。通过以LSTM和GRU算法模型对PDF文件输入型测试用例生成和效果评估，生成的测试用例总体优于常规方法有较好的通过率和覆盖率。该方法通过循环神经网络的辅助实现了生成快速高效和构造难度低的优点，达到了生成效果和花费代价的平衡。
点击量
点击量
下载量
评论
