关键词： 智能制造   电子信息技术   应用  

摘要： 随着我国“工业4.0”与“中国制造2025”战略的推进,智能制造已经成为推动我国制造业转型升级的重要引擎,引起了社会的广泛关注。而在智能制造中,电子信息技术发挥着不可替代的作用,被认为是智能制造的核心驱动力。所以针对智能制造背景下电子信息技术的应用展开探讨具有非常重要的现实意义。本文将首先就电子信息技术在智能制造中的重要性做简要阐述,然后总结电子信息技术在智能制造中的关键应用,最后总结智能制造背景下电子信息技术的发展趋势,希望能够对相关从业者有所帮助。

关键词： 英国公司   物联网产业   机器学习   工作负载   制造成本   研究成果   RISC  

摘要： 芯片英国公司成功研发非硅基柔性RISC-V芯片:成本不到1美元近日,英国Pragmatic Semiconductor公司研发了一款非硅基制成的柔性RISC-V芯片,命名为Flex-RV。这款芯片能够在弯曲时运行机器学习工作负载,其制造成本不到1美元。目前,该研究成果已在《Nature》杂志上发表。

关键词： 人工智能   大数据分析   深度融合   党的十九大   实体经济   五年规划   中国路径   相关风险  

摘要： 2017年,国务院发布《新一代人工智能发展计划》(2017-2030),分别选择2020年、2025年和2030年三个阶段性节点,使得中国的人工智能(AI)规划可以和经济社会发展的“五年规划”相匹配。通过研究比较几十个国家的AI战略方案,我们发现共同的特点是各国都看到AI带来的巨大潜力以及相关风险。而中国战略方案的突出点是,明确提出推动AI和实体经济深度融合。这一方向在党的十九大和二十大报告中,均以不同表述方式提及。我们研究院就是以“推动AI与实体经济深度融合”为主线,以企业实地调研和大数据分析为主要方法开展工作的。

关键词： 人工智能   科技期刊   编辑   出版业  

摘要： 近年来,人工智能技术不断发展,成为解决各种问题的日益强大的工具,国外知名科技期刊出版机构已经利用人工智能技术投入到编辑实际工作中,国内的相关机构也研发出多种适用于实际情况的智能出版系统。人工智能技术的引入无疑给期刊出版行业发展带来机遇,但也存在不足。本文基于实际工作经验,旨在探讨人工智能技术在期刊出版方面的优劣势,并展望未来期刊编辑人员的培养和发展策略,为我国科技期刊的高质量发展和人才培养提供参考。

关键词： 原发中枢神经系统淋巴瘤   不典型胶质母细胞瘤   磁共振成像   影像组学   机器学习   诊断   鉴别  

摘要： 目的 基于多参数MRI采用6种机器学习分类算法构建预测不典型胶质母细胞瘤与原发性中枢神经系统淋巴瘤的模型,比较不同机器学习模型的诊断效能。资料与方法 回顾性分析2013年1月—2023年12月解放军总医院77例(125个病灶)原发性中枢神经系统淋巴瘤,以及解放军总医院和公共数据库的90例(108个病灶)不典型胶质母细胞瘤的临床及影像资料。按7∶3随机分为训练集163例和验证集70例。选取T1WI、T2WI及增强T1WI序列进行感兴趣区分割,并从每个感兴趣区中提取1 132个影像特征。采用组内相关系数(ICC)进行一致性检验,筛选出ICC≥0.85的影像特征。依次通过ICC、递归消除法筛选出最佳特征。在6种分类器中对3个单序列特征组、3个双序列组与1个多序列特征组进行训练及验证。绘制受试者工作特征曲线评估模型的诊断效能。结果 SVM_rbf分类器与多序列特征组的组合模型是鉴别原发性中枢神经系统淋巴瘤与不典型胶质母细胞瘤的最优模型,训练集与验证集的曲线下面积分别为0.969、0.913,准确度均为0.886。结论 无创提取多参数MRI特征结合机器学习算法可有效鉴别原发中枢神经系统淋巴瘤与不典型胶质母细胞瘤,为制订个体化治疗方案提供支持。

关键词： 中华优秀传统文化   文化使命   创新传播   人工智能   文化产业   信息技术   宣传思想文化   生成式  

摘要： 党的二十届三中全会对繁荣发展文化事业和文化产业作出重要部署,多次提到“人工智能(AI)”,强调要“加快适应信息技术迅猛发展新形势”“完善生成式人工智能发展和管理机制”,这充分彰显了党中央对以人工智能新技术推动宣传思想文化事业高质量发展的高度重视。在数字技术变革语境下,推动中华优秀传统文化创新传播是践行新的文化使命的必然要求,人工智能在其中的作用日益彰显。

关键词： 慢性阻塞性肺病   生物信息学   机器学习   诊断生物标志物   中药预测  

摘要： 目的:探究慢性阻塞性肺病(chronic obstructive pulmonary disease, COPD)诊断生物标志物及其靶向中药,为COPD提供新的治疗方向及用药参考。方法:从高通量基因表达数据库中获取COPD相关基因表达数据集。利用R语言筛选差异表达基因(differentially expressed genes,DEGs)。采用基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)筛选关键模块基因。使用3种机器学习算法鉴定诊断生物标志物并进行验证,确定其准确性。通过CIBERSORT反卷积算法分析免疫细胞浸润水平。最后,利用HERB数据库预测生物标志物潜在的靶向中药,并根据药物性味归经来拓展中医理论。结果:利用3种机器学习算法共筛选到C1QTNF7、MBD5、WDR12、CD163、KLF12和CBS这6种诊断生物标志物。验证结果表明,其基因表达量均有显著性差异(P<0.05),ROC曲线均显示出确切的诊断效能。免疫细胞浸润分析表明,多种免疫细胞可能参与COPD的发展,以上6种诊断标志物在不同程度上与免疫细胞有一定的相关性。利用HERB数据库对上述6个诊断标志物进行中药预测,通过《中华本草》和《中药大辞典》筛选整理得到靶向中药百部、贝母、百合等42味,大多药性偏温,药味偏苦,归经入肺。结论:C1QTNF7、MBD5、WDR12、CD163、KLF12和CBS在COPD中表现出较好的诊断效能,并参与了免疫细胞的浸润,可作为COPD的诊断生物标志物。上述标志物预测的中药与临床用药有所重合,反向证明了诊断生物标志物的准确性和可靠性,为COPD的治疗提供新的方向及用药参考。

关键词： 边缘计算   智慧教学环境   人工智能   智慧教育  

摘要： 针对当前智慧课堂环境在传统云计算模式下面临的因数据量过大而导致的中心节点压力过大、网络拥塞、实时性较差等诸多挑战,提出了一种基于边缘计算技术的智慧教学环境设计架构。该架构以将集中在云处理中心的数据分布到边缘节点的思路出发,由传感器层、通信接口层、边缘计算层、核心网络层和云处理层5个部分组成,分别用于获取教育数据、将数据传输到边缘节点、按需配置边缘节点和对数据进行预处理、传输数据交换信息和运行神经网络算法。通过边缘节点对部分数据进行存储、计算和分析,可以有效缓解中央云服务器的计算压力和存储压力,减少网络延迟,为智慧教学环境的构建研究、建设和应用提供参考。

关键词： 用户流失预测   Stacking模型   电信运营商   机器学习  

摘要： 随着信息化建设的迅速推进,电信市场趋于饱和,如何应对用户流失成为通信运营商亟待解决的问题。本文基于电信用户数据,对用户流失趋势进行了深入预测分析。首先,针对数据缺失进行了填补,并对特征进行编码和衍生,使用SMOTE与Tomek Link技术处理了数据不均衡问题。接着,本文使用随机森林、XGBoost、SVM、逻辑回归、AdaBoost和GBDT六种单一模型分别进行用户流失预测。为了提高预测的准确性和稳健性,本文采用了Stacking多模型融合的方式,模型对比结果表明,第二层模型选用SVM达到了最高的准确率(0.8645),各项指标均优于单一模型。研究证明,Stacking集成模型在用户流失预测中具有较高的有效性,并通过分析识别了影响用户流失的关键因素,为电信运营商提供了减少客户流失的针对性建议,进而提升企业收益和利润。With the rapid advancement of information technology, the telecommunications market is becoming increasingly saturated, making customer churn a critical issue that telecom operators must address urgently. This paper conducts an in-depth predictive analysis of customer churn trends based on user data from Telecom. Initially, missing data was imputed, and feature encoding and derivation were performed. The SMOTE and Tomek Link techniques were employed to address the problem of data imbalance. Following this, six individual models—Random Forest, XGBoost, SVM, Logistic Regression, AdaBoost, and GBDT—were used to predict customer churn. To improve the accuracy and robustness of the predictions, this study applied the Stacking ensemble learning approach. The model comparison results indicate that the second-layer model using SVM achieved the highest accuracy (0.8645), with performance metrics surpassing those of the individual models. The study demonstrates the effectiveness of the Stacking ensemble model in predicting customer churn and identifies the key factors influencing churn through detailed analysis. These findings provide telecom operators with targeted recommendations to reduce customer churn and enhance corporate revenue and profitability.

关键词： 北京理工大学   生产管理系统   数字化转型   数据孤岛   机器学习   数字化进程   智能化应用   自动化学院  

摘要： 我国冲压行业自动化普及率相对较低,智能化水平较高的企业通常集中在一些大型企业和少数高科技制造业,而大部分冲压企业的智能化应用仅限于一些简单的监测和分析,没有深入应用如机器学习和大数据这样的深度优化。我国冲压行业在生产管理系统、ERP(企业资源规划)、MES(制造执行系统)等方面的数字化进程较慢,整体效率偏低,数据孤岛问题严重。智能化转型需要专业技术和人才支持,而我国在这一领域的高端技术人才缺乏,企业的技术投入与研发能力相对不足。针对冲压行业数字化转型面临的问题,本刊记者采访了北京理工大学自动化学院(以下简称“学院”)马宏宾教授。