关键词： 车祸检测与驾驶员状态实时分析   传感技术   人工智能  

摘要： 本研究致力于提高车祸检测与驾驶员状态实时分析的智能化水平,采用基于人工智能和传感器技术的方法。该研究利用驾驶员佩戴的微型心率检测设备,挡风玻璃上的摄像头设备以及手机APP显示软件,通过多种传感器实时检测驾驶员的生理状态和精神状态,识别驾驶员的困意信号,分析驾驶员的驾驶状态。通过采集摄像头的图像信息,研究者进行了算法实验测试,结果显示,该方法能够智能监测驾驶员行进间的驾驶状态。根据监测结果,可以通过提醒等方式来帮助驾驶员采取相应的措施。这个系统不仅有助于预警疲劳驾驶,还为减少道路交通事故提供有效的解决方案。通过智能化检测,驾驶员可以更早发现疲劳驾驶,提升道路交通安全水平。

关键词： 人工智能   两个课堂   思政教育  

摘要： 随着人工智能深度融入思想政治教育,高校“两个课堂”教育变革与生态重构刻不容缓。马克思的“现实的个人”、人的全面发展理论、人的主体性理论为人工智能赋能高校“两个课堂”思政教育筑牢了哲学根基。然而,这一融合也面临诸多风险,如技术异化冲击人文情怀、工具理性挑战价值理性、智能科技影响师生关系、数据资本威胁社会价值等。为此,需从内生引领、人机共教、话语主导、彰显主体、强化监管等路径出发,应对人工智能融入高校“两个课堂”思政教育过程中遭遇的风险挑战,提升协同育人效能,落实立德树人根本任务,促使思想政治教育回归本质。

关键词： 人工智能   科技创新   对策建议  

摘要： 2024年,“人工智能+”首次被写入《政府工作报告》,成为发展新质生产力的重要引擎,也是各地区竞相布局的关键领域,成都依托自身的资源禀赋,抢抓人工智能发展机遇,聚集科技创新要素,实现技术创新突破,拓展行业场景应用,助力成都人工智能产业高质量发展。本文结合先进地区的发展经验,对成都人工智能产业的发展现状以及制约发展的短板进行分析,并提出成都发展人工智能产业的对策建议。

关键词： 人工智能   药品应用技术   中医药专业   教学改革  

摘要： 人工智能的发展正在推动中医药专业领域的转型与升级。培养复合型的,应用型的并具有数字素养的,能够适应人工智能技术赋能岗位工作情景的医药专业领域高素质技能型人才是职业教育肩负的重任。因此,探索人工智能与《药品应用技术》课程交叉融合的新形态课程建设。课程通过模块优化搭建人工智能融入载体,学生校内外实习实训打通人工智能工作场景实践路径等方式,强化以产教融合为特征的课程改革。通过实践,提升了学生适应医药产业数字化转型所需的岗位核心能力,实现了学生的全面发展。引入人工智能技术赋能工作场景的《药品应用技术》课程教学改革与实践,为职业院校同类课程建设与改革提供了新模式。

关键词： 智能制造   增材制造   多轴数控加工   融合创新   零部件制造  

摘要： 本项研究着眼于在智能制造的大背景下,深入探索增材制造技术与多轴数控加工之间的深度整合与创新性发展。伴随着智能制造技术的日新月异,传统的增材制造与数控加工技术,已无法全面应对复杂零部件的制造挑战。据此,本研究创新性地提出了一种集成策略,该策略融合了增材制造技术和多轴数控加工技术,旨在提升零部件生产的效率及质量。本研究首先对增材制造与多轴数控加工的基本原理及特点进行了全面分析与对比,继而深入探讨了融合创新的关键技术,最终通过实验手段,验证了该创新方法之有效性及可行性。本项研究对促进智能制造技术进步、增强我国制造业市场竞争力具有关键作用。

关键词： 颠覆性技术   技术融合   技术生命周期   链路预测   机器学习  

摘要： 以虚拟现实、云计算、物联网等为代表的颠覆性技术正推动工业4.0的发展,引发全球传统产业深度变革,促使各国工业体系的融合,并逐步形成新的工业标准、产业格局和商业模式。由于国家经济发展对颠覆性技术的需求日益增长,准确识别颠覆性技术领域、精确预测其发展方向并合理引导其发展,已成为抢占创新主导权的关键前提。基于颠覆性技术跨界融合与扩散的特点,从技术融合的视角出发,提出一种基于专利数据的颠覆性技术动态预测模型框架。首先,以典型颠覆性技术——虚拟现实技术为实证对象,创造性地构建专利共现网络,并利用专利共现累计数量拟合技术生命周期曲线,动态识别出2010年为预测虚拟现实技术的起始时间节点。其次,针对数据的非均衡特征,采用链路相似性指标结合机器学习分类算法,构建动态预测模型。最后,通过对比不同的预测模型,研究发现:颠覆性技术预测中,全局相似性指标优于多数局部相似性指标,而随机森林算法是最佳分类器。基于此,研究进一步预测虚拟现实技术最具有发展潜力的融合领域为近眼显示设备、电数字数据处理技术和数字视频传输系统。本研究通过科学设计颠覆性技术的预测流程,显著提升了预测准确性,不仅为识别颠覆性技术发展的关键时间节点提供了理论依据,也为预测模型的选择与优化提供了方法参考。

关键词： 人工智能   农业机器人   智慧养殖   深度学习   畜禽养殖  

摘要： 我国畜禽养殖量常年居于世界前列,不仅养殖种类齐全,且产业链与相关配套完整,在农业产业中占有举足轻重的地位。近年来,由于规模化养殖的快速发展以及动物疫病流行、劳动力短缺等因素,养殖产业对智能化、无人化的养殖设备提出了更高的需求。其中,养殖机器人作为实现智慧化养殖的重要载体,可有效替代或协助人类完成部分工作,且对于提升动物福利、提高生产效率、减少污染浪费等方面具有重大意义和广阔前景。本研究综述了图像识别、深度学习、强化学习、自主导航等智能技术及热红外相机、深度相机、激光雷达等关键零部件在养殖机器人上的应用,并介绍了其可实现的例如动物生理信息检测、行为姿态识别、环境监测调控、饲料蛋奶管理等多种功能。此外,由于我国自动化养殖产业起步较晚,目前与发达国家仍存在一定差距,因此,本研究亦针对目前国内外智能化养殖机器人的产业现状和方向进行了介绍,并探讨了其背后发展历程、市场前景和政策支撑。本研究还展望了未来智能养殖行业的发展,指出了当前技术在经济性、稳定性、动物接受度等方面存在的挑战,并提出了未来可能的前进方向和改进目标,旨在为相关研究人员进一步推动技术革新和产业应用提供参考。

关键词： 出血性脑卒中   聚类算法   随机森林算法   机器学习  

摘要： 由于出血性脑卒中起病急、进展快,预后较差,给社会患病患者及家属带来了沉重的负担,近年来引起临床广泛关注。出血性脑卒中主要有血肿扩张和血肿周围水肿发生和发展,早期发现并且提供有效的防治措施对患者治疗以及改善预后有很重要的意义。本题通过对于不同时期出血性脑卒中临床诊断的数据进行分析建模,使用聚类算法以及随机森林等方法比较出拟合程度最好的模型。Due to the rapid onset, progression, and poor prognosis of hemorrhagic stroke, it has brought a heavy burden to patients and their families in society, and has attracted widespread clinical attention in recent years. Hemorrhagic stroke mainly involves the occurrence and development of hematoma dilation and perihematoma edema. Early detection and effective prevention and treatment measures are of great significance for patient treatment and improving prognosis. This question analyzes and models clinical diagnosis data of hemorrhagic stroke at different stages, and compares the best fitting model using clustering algorithms and random forest methods.

关键词： 人工智能   招标采购   创新性应用   招采制度革新   智慧监管  

摘要： 人工智能这一新质生产力工具正深度重塑各领域的工作范式。文章聚焦人工智能在招标采购领域的创新应用,基于技术底层逻辑与核心机制,系统构建了人机协同的全流程招采机制。其中,重点阐释了智能化招标、无人化开标、数智化评标与自动化定标等创新应用场景的技术实现路径,同时探究了制度革新方向与智能监管体系的建构策略,为招标采购领域的智能化转型提供了理论框架与实践参考,对于推动行业数字化变革具有重要价值。

关键词： 肺炎   机器学习   死亡   风险预测  

摘要： 肺炎(pneumonia)是指各种致病因素导致的肺实质及肺间质炎症,是全球范围内常见的呼吸系统疾病之一,而重症肺炎是在肺炎的基础上发展而来,具有病死率高,并发症多和预后差的特点,并加重医疗经济负担,同时对人类健康构成重大威胁。随着人工智能的迅速发展和医疗健康数据的急剧增长,机器学习已经在肺炎死亡预测中得到了广泛应用,帮助临床医生精准的进行个体化临床用药和提高治疗效果,延长患者的生存时间,提高其生存质量。Pneumonia refers to pulmonary parenchyma and interstitial inflammation caused by various pathogenic factors, which is one of the common respiratory diseases in the world, and severe pneumonia develops on the basis of pneumonia, with high mortality, multiple complications and poor prognosis, and increases the economic burden of medical care, and poses a major threat to human health. With the rapid development of artificial intelligence and the rapid growth of medical and health data, machine learning has been widely used in the prediction of pneumonia death, helping clinicians to accurately personalize clinical medication and improve treatment effects, extend the survival time of patients, and improve their quality of life.