关键词： 人工智能   新闻生产   应用优势   具体应用   发展趋势  

摘要： 随着数字化与智能化时代的到来,人工智能在新闻生产中的应用全方位改变了新闻生产流程与采编模式,自然语言处理、深度学习网络、图像识别等技术的应用使记者和编辑不再需要花费大量的时间在重复性的工作上,而是能将更多的时间和精力放在内容质量的提升上。基于此,本文首先分析人工智能在新闻生产中的应用优势,继而阐述人工智能在新闻生产中的具体应用,最后探讨人工智能在新闻生产中应用的未来发展趋势,以期推动新闻事业的智能化发展。

关键词： 机器学习   民航气象   雷达图像   超分辨率   残差特征聚合密集网络  

摘要： 由于现行算法在民航天气雷达图像超分辨率重建中应用效果不佳,重建后图像峰值信噪比(Peak signalto-noise ratio,PSNR)、色度、亮度与饱和度平衡度(Underwater Colour Image Quality Evaluation,UCIQE)较低,无法取得预期的视觉效果,因此本文提出基于机器学习的民航天气雷达图像超分辨率重建算法。对民航天气雷达图像进行热噪声去除、轨道校正,即对图像进行预处理,并对预处理后的民航天气雷达图像进行定标和分贝化处理,利用机器学习技术中的残差特征聚合密集网络进行图像卷积与超分辨率空间映射,重建民航天气雷达图像,完成基于机器学习的民航天气雷达图像超分辨率重建算法设计。试验证明,本文设计算法下的重建图像PSNR值>35 dB,UCIQE值>0.8,图像视觉效果良好,在民航天气雷达图像领域具有良好的应用前景。

关键词： “一带一路”倡议   碳达峰   机器学习   贸易运输   影响因素  

摘要： 针对“一带一路”倡议背景下中欧贸易运输的碳达峰问题,基于2013—2022年中国与欧盟26国贸易的面板数据,采用多种机器学习算法构建不同预测模型对中欧贸易运输碳达峰情况进行预测。首先,基于STIRPAT模型使用Lasso回归筛选“一带一路”倡议下中欧贸易运输碳排放影响因素;其次,使用五个机器学习算法对“一带一路”倡议下中欧贸易运输碳排放进行仿真预测,并采用R2、RMSE、MAE作为模型的评价指标对比各算法预测精度,来选定最佳预测模型。结果表明,中国和欧盟各国的经济水平、人口规模、产业结构和能源结构是“一带一路”倡议下中欧贸易运输碳排放的主要影响因素,GWO-SVR算法表现最优,可以作为预测算法,在现有情景下,大多数欧盟国家与中国的贸易运输碳排放水平难以在2030年实现达峰,需要在政策上进行调整以推动中欧贸易运输碳达峰。

关键词： 信息科技课程   创新   育人导向   守正   人工智能  

摘要： 随着人工智能的快速发展与普及,信息科技又迎来了一次重大的技术冲击浪潮。面对人工智能浪潮,信息科技课程只有守正并创新,才能保持正确的方向并扬帆远航。“守正”是信息科技课程的一种学科自信和专业定力。守正首先是要坚定不移地坚持信息科技课程的育人导向,信息科技课程不是为了追求技术的时髦,而是要在对信息科技的理解和创造中实现学生学科核心素养的持续迭代发展。毫不动摇坚持育人导向,才能够让信息科技课程始终保持学科存在的价值与意义。

关键词： 人工智能   肺腺癌   机器学习   磨玻璃结节  

摘要： 目的探讨logistic回归和随机森林模型对直径5~20 mm磨玻璃结节型肺腺癌浸润性的诊断效能。方法回顾性分析2020年1月—2023年12月在惠州市第三人民医院和惠州市中心人民医院接受胸腔镜手术的肺腺癌患者236例,分为非浸润组(AIS组,81例)和浸润组(MIA+IAC组,155例),并按照7∶3的比例随机分为训练组和测试组。人工智能软件工作站自动识别、标记目标磨玻璃结节,行特征量化分析。利用logistic回归和随机森林各自建立预测模型,通过对比两种算法在受试者工作特征曲线下的面积、准确度、灵敏度、特异度、阳性预测率、阴性预测率、约登指数、校准曲线以及临床决策曲线等指标,评估这两种模型的诊断性能。结果单因素logistic回归分析显示,非浸润组与浸润组比较,13个变量差异有统计学(P<0.05),实性成分占比肺脉癌风险最高(OR:422.995)。多因素logistic模型筛选出CT最大值和偏度为预测肺腺癌浸润性的独立预测因子(AUC:0.795),而随机森林模型基于CT标准差、CT最大值、结节实性成分占比和峰度等参数表现更优(AUC:0.820)。随机森林在准确度(0.785 vs 0.738)、阴性预测值及校准性能(Brier分数:0.127 vs 0.186)上优于logistic模型,后者则在灵敏度(0.761 vs 0.625)和F1分数(0.805 vs 0.682)更佳。两模型均具备良好的临床适用性。结论Logistic回归和随机森林模型都能有效预测5~20 mm、结节实性成分≤50%的磨玻璃密度肺腺癌的浸润性。其中随机森林模型的表现优于logistic回归模型,具备较好的分类能力和校准度,在医学影像分析领域展现出潜在优势。

关键词： 金属疲劳   疲劳寿命预测   机器学习   可解释人工智能   后处理解释   内置可解释设计  

摘要： 疲劳寿命预测对金属材料与结构的安全至关重要.机器学习(Machine Learning,ML)模型在此领域展现出强大的预测能力,但其“黑箱”特性限制了模型的可靠性、可信度以及在工程实践中的应用.可解释机器学习(Explainable Artificial Intelligence,XAI)为打开ML“黑箱”提供了关键技术.本文旨在系统梳理XAI在金属疲劳寿命预测领域的应用现状,针对当前研究中解释性方法应用多样但缺乏系统分类的问题,提出将现有方法归纳为“后处理解释”和“内置可解释设计”两大类.本文概述了这两类方法的关键技术及其在疲劳寿命预测中的具体应用实例,探讨了模型解释方法的局限性及当前面临的技术挑战,并对后续研究中的机遇与挑战进行了展望.

关键词： 人工智能   深度学习   学习变革   浅层学习  

摘要： 从浅层学习迈向深度学习,是人工智能辅助学习者学习的应有之义。人工智能辅助深度学习是在承认并坚持工具本位的基础上,利用人工智能技术的优势,推动学习者从单线的浅层认知学习向复合的深层赋能学习转变的过程。其价值体现在学习准备、学习内容和学习结果三个方面。然而,人工智能辅助深度学习面临着高度工具理性导致主体失真隐患,知识碎片撷取暗含浅层学习风险,过度技术赋能引发路径依赖危机等挑战,对此,需聚焦强化学习者的主体地位,着力发展学习者的高阶思维,培育生成交互式的学习模式。

关键词： 人工智能   大学生思政教育   创新研究  

摘要： 随着人工智能的迅速发展,其在教育领域的应用日益广泛。本文聚焦于人工智能对大学生思政教育的赋能与创新,通过对相关理论的探讨和实际应用的分析,阐述了人工智能在大学生思政教育中的重要性和潜在价值。人工智能与思政教育的有机结合,为推动大学生思政教育的创新发展提供有益的参考和借鉴,以此提高大学生思政教育的质量和水平。

关键词： 人工智能   电网档案   智能分类   语义标注   自然语言处理  

摘要： 随着电网规模的不断扩大,电网档案的数量和复杂性急剧增加,传统的档案管理方式已难以满足高效管理和信息检索的需求。本文提出了一种基于人工智能的电网档案智能分类与语义标注方法,旨在提高电网档案管理的效率和准确性。通过分析电网档案的特点,结合机器学习和自然语言处理技术,构建了智能分类模型和语义标注框架。实验结果表明,该方法能够显著提高电网档案的分类准确率和语义标注的效率,为电网档案管理的智能化提供了有效的技术支持。

关键词： 人工智能   能动主体   语法考察   治疗哲学  

摘要： 人工智能的兴起与哲学的语言转向密不可分。图灵最早从语言哲学的视角探讨了机器如何识别形式化语言并进行思考和推理的问题。他还描绘了具有类似人类智能、情感和行动能力的机器人形象。随后的人工智能研究也大都围绕机器的语言识别、运用和翻译能力而展开,直至构建起一个个生成式大语言模型。这些模型确实展现出高超的语言能力,可以同人类用户进行有效的沟通。只是这些智能模型究竟可否作为主体而存在,是否拥有认知能力,能否参与语言游戏,进而是否应该承担道德和法律责任等问题,尚存在巨大争议。既然人工智能是在哲学的语言转向背景下诞生的,或许可以从语言哲学的视角来审视这些问题,尽管难以给出任何一般性的答案。