迷迭香提取物HPLC特征图谱研究

研究旨在运用高效液相色谱法(HPLC)建立饲用植物迷迭香提取物的特征图谱,为迷迭香提取物的辨别和质量控制提供新的方法。采用Sunfire C18色谱柱,以乙腈-0.1%甲酸水为流动相,以1.0 mL/min的流速、10µL的样品进样量、25℃的柱温、280 nm的紫外吸收波长作为液相色谱条件进行检测。结果显示:试验选取的15批迷迭香提取物色图谱中分离度、峰型较好的8个峰为特征峰,指认了迷迭香酸、鼠尾草酸、鼠尾草酚3个色谱峰,建立了迷迭香提取物的HPLC特征图谱。试验所建立的迷迭香提取物特征图谱实现了对其质量的稳定控制,可为迷迭香提取物质量评价提供参考。

甜叶菊提取物高效液相色谱法(HPLC)特征图谱研究

试验旨在建立甜叶菊提取物高效液相色谱(HPLC)特征图谱。采用HPLC法测定21批甜叶菊提取物中的化学成分。结果显示,在甜叶菊提取物的HPLC特征图谱中共标记和确定6个特征峰,经对照品比对确定特征峰1~6分别为新绿原酸、绿原酸、隐绿原酸、异绿原酸B、异绿原酸A和异绿原酸C。以异绿原酸B为参照峰(S峰),特征峰1~6的相对保留时间的规定值分别为0.388、0.520、0.534、1.000、1.042、1.091。研究表明,建立的甜叶菊提取物HPLC特征图谱具有良好的精密度、稳定性和重复性,可为甜叶菊提取物的质量控制提供参考。

一种结合演示数据和演化优化的强化学习方法

强化学习研究智能体如何从与环境的交互中学习最优的策略,以最大化长期奖赏。由于环境反馈的滞后性,强化学习问题面临巨大的决策空间,进行有效的搜索是获得成功学习的关键。以往的研究从多个角度对策略的搜索进行了探索,在搜索算法方面,研究结果表明基于演化优化的直接策略搜索方法能够获得优于传统方法的性能;在引入外部信息方面,通过加入用户提供的演示,可以有效帮助强化学习提高性能。然而,这两种有效方法的结合却鲜有研究。对用户演示与演化优化的结合进行研究,提出iNEAT+Q算法,尝试将演示数据通过预训练神经网络和引导演化优化的适应值函数的方式与演化强化学习方法结合。初步实验表明,iNEAT+Q较不使用演示数据的演化强化学习方法NEAT+Q有明显的性能改善。