关键词： 机器学习   磁共振成像   影像组学   宫颈癌   治疗反应预测   同步放化疗  

摘要： 目的探讨并对比基于机器学习多种算法构建T_(2)WI影像组学模型预测宫颈癌放化疗疗效的效能。方法回顾性分析符合入组标准的155例宫颈癌患者,采用ITK-SNAP软件在T_(2)WI图像上勾画肿瘤感兴趣区,通过uAI Research Portal软件提取影像组学特征。依次采用最佳k特征算法(SKB)、最小绝对收缩和选择法(LASSO)筛选出最优特征集,分别采用逻辑回归(LR)、高斯过程(GP)、支持向量机(SVM)、随机森林(RF)4种机器学习算法构建T_(2)WI影像组学预测模型。绘制不同模型的受试者工作特征曲线,并计算曲线下面积(AUC)、准确度、敏感度、特异度和F1值评估模型的效能。结果通过T_(2)WI图共提取了2264个组学特征,依次采用SKB、LASSO算法降维筛选出最优特征集,包括boxsigmaimage_glcm_Maximum Probability、wavelet_firstorder_wavelet-HLH-Range、recursivegaussian_ngtdm_Complexity、wavelet_glszm_wavelet-HLH-Gray Level Non Uniformity、wavelet_glszm_wavelet-LLL-Gray Level Non Uniformity、wavelet ngtdm_wavelet-HLH-Complexity。采用LR、GP、SVM、RF 4种机器学习算法构建T_(2)WI影像组学模型,在训练集预测宫颈癌放化疗疗效的AUC值分别为0.717、0.716、0.720、0.860,在测试集分别为0.730、0.722、0.709、0.694。其中,LR模型具有最高的AUC值和F1值,其综合判别性能最佳,为本研究推荐的优选模型。结论基于机器学习多种算法构建的T_(2)WI影像组学模型对宫颈癌治疗反应预测均具有良好的预测效能,且LR模型可作为优选预测模型。

关键词： 电解水   氢能   机器学习   过渡金属磷化物  

摘要： 近年来,以绿氢为代表的零碳能源的推广与使用已成为国家碳中和发展战略的一个重要组成部分,大力发展包括电解水制氢技术在内的绿氢能源是我国能源转型的方向之一。设计和开发高效催化剂是提升电解水制氢(HER)能力的关键因素。非贵金属基的过渡金属磷化物(TMPs)催化剂由于价格低廉、制氢效率高,是最受研究人员关注的新型电解水非贵金属催化剂之一。然而,高活性TMPs催化剂的实验筛选既耗时又具有挑战性。本文通过机器学习结合大数据分析,探究了支持向量回归(SVR)、K近邻(KNN)、随机森林回归(RF)和极端梯度提升(XGBoost)四种机器学习算法对电解水析氢反应性能的预测能力。在机器学习过程中,对文献报道的过渡金属磷化物催化剂上的电解水析氢反应性能进行分析。通过RMSE和R^(2)评估四种算法后发现RF算法对电解水析氢中的过电位具有优异的预测能力,而XGBoost算法则对Tafel斜率具有较好的预测能力。结果表明,在催化剂组成方面,Ni、Co和Fe元素含量对催化性能影响最大,因此有望通过精细调整,设计并制备出高活性的催化剂。

关键词： 人工智能   技术异化   自由精神   康德   海德格尔  

摘要： 当下资本主义发展最显著的问题之一,就是以生成式人工智能为代表展现的技术异化及其异化体系的形成。我们可以通过马克思主义的异化理论对此进行剖析,揭示人工智能时代技术异化的基本底色。可以说,技术的异化,通过使用-操作对人进行着催逼和强制,在改变生活世界运行规则的同时,成为褫夺人主体地位的强制力量。同时,技术异化又通过全面侵入私人领域改变着人的认知方式、思维模式和价值理念,演绎着对个体的规训与惩罚;而技术的专业化发展及其与资本逻辑的结合,又形成了技术霸权和科技帝国,彻底成为统治人的主导力量。究其根本,技术异化体现了技术对人的异化、人的自我异化和人与人之间关系的异化这三重逻辑的统一。人工智能的技术异化问题,展现了技术发展的现代性悖谬,寻求技术异化的矫治方法,应立足于哲学自由精神的高度,并重建人的自由。我们可以通过康德和海德格尔的思想范本,探究矫治技术异化的逻辑进路。

关键词： 技术标准化   技术标准竞争力   人工智能   TOE理论框架  

摘要： 新一代人工智能发展迅速,因对经济社会发展的基础性、引领性和支撑性作用,其技术标准化已成为战略重点。如何突破传统因果分析思维,深刻洞察影响人工智能技术标准竞争力的复杂因素及交互关系,在更细的颗粒度上廓清影响机理和多元发展路径是亟待解决的问题。基于TOE框架,从技术、组织和环境3个维度构建技术标准竞争力影响因素分析模型,采用模糊集定性比较分析方法分别得到国内与国际层面产生高技术标准竞争力的必要条件、核心条件和组态路径。研究发现:①人工智能高技术标准竞争力的形成需要技术、组织与环境3类因素联动匹配;②营造浓厚学术氛围是形成高技术标准竞争力的关键;③国内外人工智能高技术标准竞争力路径存在差异:国内层面当前主要由参与主体驱动,而良好学术生态与高市场需求共同驱动是发达国家的主要路径。研究结论不仅呈现出国内外人工智能技术标准竞争力驱动路径差异,还可拓展技术标准竞争力理论,并为我国人工智能产业在全球进一步提升技术标准话语权提供参考路径。

关键词： 机电一体化   智能制造   传感技术   数控技术  

摘要： 机电一体化技术已成为现代工业技术发展的重要方向,对于提高生产效率、降低生产成本、提升产品质量和增强企业竞争力等方面具有重要意义。在智能制造领域,机电一体化技术将集成电路、传感技术同机械制造相结合,形成复合技术的过程和趋势。文章聚焦传感技术、数控技术、柔性制造技术、自动化生产控制技术及智能机器人技术等关键领域,深入探讨了机电一体化技术在智能制造中的应用。研究表明,机电一体化技术不仅能显著提升智能制造的自动化与智能化水平,还能为制造业的转型升级提供强大动力。通过科技赋能,机电一体化技术的应用能为智能制造的发展奠定坚实的基础,具有重要的理论与实践意义。

关键词： 财务舞弊   量化模型   机器学习   深度学习  

摘要： 利用量化模型判别上市公司财务舞弊是经典研究问题。早期的传统实证模型以逻辑回归方法为主,应用的数据指标从财务指标逐步拓展到公司治理、外部审计、融资需求等指标,注重内在因果推理和寻找舞弊特征因素,对早期财务舞弊样本的判别效果良好。随着近年来财务舞弊手段的日替复杂,简单逻辑回归模型的判别效果难以满足现实需要,浅层机器学习模型和深层机器学习模型逐步发展。浅层机器学习模型以决策树、支持向量机及集成学习算法为主,应用的数据指标既包括财务指标、公司治理、内部控制等,也包括原始财务数据、文本信息等。其中,以决策树为基础的集成学习模型有较好的解释性,实验室状态下的召回率在70%~80%左右。深层机器学习模型以卷积神经网络、循环神经网络、长短期记忆神经网络模型为主,处理非结构化数据的能力更加强大,应用的数据指标除了结构数据、文本数据等,还包括音频、图像等非结构化信息,判别能力往往优于浅层机器学习模型,召回率一般超过80%。但可解释性较差,成功很大程度上依赖于大量训练数据,而国内样本较少,易出现过拟合问题。总的看,量化模型尤其是深度学习模型对财务舞弊具有一定的判别效果,已可用于财务舞弊粗筛选,但也存在分行业或分舞弊类型的专用模型较少、对大量有价值的非财务数据及非结构化数据应用不足、模型的解释性不强等问题。可考虑从样本积累、数据治理、人机交互和嵌入大模型等方面多向发力,推动模型效能实现质的提升。

关键词： X射线   计算机视觉   霉变核桃   特征优选   机器学习  

摘要： 针对霉变核桃检测难、效率低的问题,提出一种融合X射线和视觉图像的霉变核桃无损检测方法,以准确判别核桃内外皆霉变、内霉外正常、内正常外霉变和内外皆正常4类情况。首先采用灰度共生矩阵提取X射线和视觉图像的纹理特征,并在不同颜色空间下分别计算视觉图像的一阶矩和二阶矩,以全面捕捉核桃内外部霉变特征,从而构建原始霉变核桃特征集。随后,基于竞争自适应重加权算法和连续投影算法对提取的特征进行优选,构建对不同霉变情况敏感的核桃特征集。在此基础上,分别构建极限学习机和K-最近邻霉变核桃分类模型,并通过实验对比不同特征集下分类模型的性能,验证了融合X射线和视觉图像特征检测霉变核桃的可行性。结果表明,使用连续投影算法优选特征集构建的极限学习机模型性能最优,测试集准确率、召回率、模型精确率和召回率的调和平均值(F1)分别达到90.32%、92.58%和91.29%,平均特异性和Kappa系数分别达到97.02%和88.44%,对多数类和少数类的霉变核桃均有较高的判别能力。本研究可为核桃内外部霉变情况的综合、准备识别以及在线无损检测系统的研发提供理论参考。

关键词： 钢铁行业   集控中心   技术方案   智能制造  

摘要： 针对钢铁行业集中控制与管理的需求,提出大型集控中心技术方案。该方案实现了冶炼工序离散操作系统的集中操控,具有信息化、智能化等典型特征。文章阐述了方案的设计内容、难点及技术特点,分析了其综合效益。经国内外同类技术比较,该技术操作方便、运行稳定且安全性高,已在国内大型钢铁企业多产线中应用,实现了单产线与多产线系统的整合,具有推广价值。

关键词： 人工智能   绿色全要素生产率   绿色技术创新  

摘要： 人工智能具有强溢出效应和高发展潜力,逐渐成为推动节能减排与绿色低碳发展的重要引擎。基于2006—2020年中国273个城市面板数据,实证检验人工智能发展对城市绿色全要素生产率的影响效应及其作用路径。研究结果表明:人工智能显著提升了城市绿色全要素生产率,地区人工智能发展通过促进绿色技术创新来提升城市绿色全要素生产率;异质性分析表明,人工智能发展对于东部东北部、大规模与环保重点城市的绿色全要素生产率有更大程度的促进作用。

关键词： 质量信息框架   产品生命周期管理   数字线程   智能制造   DIKW  

摘要： 质量信息框架(quality information framework,QIF)是一种用于制造业的标准化数据模型,能够在制造过程中确保质量数据的无缝集成和互操作性。首先,详细阐述了QIF的定义、理论基础和组成结构。其次,基于数据、信息、知识、智慧(data,information,knowledge,wisdom,DIKW)模型分析了QIF在制造业中的应用现状,特别关注了数据对齐、语义扩展、预测与决策、全生命周期管理等4个应用场景。再次,对不同的QIF应用方法进行综合讨论,分析了其在实际制造环境中的适用性与应用潜力。最后,对QIF未来发展趋势进行了展望。