关键词： 人机交互式   人工智能   用电全过程   业务管理   神经网络   决策树  

摘要： 为解决电力企业相关业务数据的处理分析不及时、管理效率低下的问题，结合交互式人工智能技术，提出针对用电全过程业务综合管理平台的构建。首先根据人工智能技术与C/S构架进行交互式人工智能引擎的设计，然后针对电力用户运行期管理等用电全过程业务，在用户侧业务功能与数据库表基础上，架构业务管理平台。利用平台检测进行检测，分析网络参数对数据导入量与速度的影响，取得网络隐藏层数与相关阈值的最优参数分别是2、24.5、15.72、13.98，经平台功能测试环节验证，该平台能有效实现各功能的交互式操作，且具有较为理想的反馈即时性。

关键词： 肥胖症   生物信息学   机器学习   免疫浸润  

摘要： 目的 基于生物信息学和机器学习方法探索人类肥胖症诊断的生物标志物及其与免疫浸润的相关性。方法 人类脂肪组织芯片数据集从高通量基因表达（Gene expression omnibus，GEO）数据库下载。对GEO中的GSE25401、GSE88837、和GSE94752数据集进行分析，筛选出差异表达基因（Differentially Expressed Genes，DEGs）后，采用京都基因与基因组百科全书（Kyoto encyclopedia of genes and genomes，KEGG）通路分析、基因本体（Gene ontology，GO）功能富集分析和LASSO（Least Absolute Shrinkage and Selection Operator，LASSO）逻辑回归算法和支持向量机（Support Vector Machine，SVM）算法进一步筛选枢纽基因。此外，我们还进行免疫细胞浸润分析，评估人类肥胖症患者中22种免疫细胞的浸润特性及其与枢纽基因的相关性。我们利用受试者特征曲线（Receiver operating characteristic，ROC）分析特征基因的诊断效果。生物信息学分析使用R语言（4.2.2版）进行，显著性阈值为P<0.05。结果 利用Limma软件包筛选出190个DEGs，之后通过Lasso回归和SVM算法筛选出5个特征基因（PALLD、TF、CCL3、C6和SCIN）。通过生物信息学分析，我们发现这些基因在免疫微环境中的关键作用。此外，ROC曲线显示，以上5个特征基因对肥胖症都有很好的预测和诊断效果。结论 研究发现PALLD、TF、CCL3、C6和SCIN是人类肥胖症的潜在关键基因和潜在诊断生物标志物，这可能为诊断和治疗肥胖症提供新的靶点。

关键词： CEO   数字化转型   机器学习   变量选择   量子退火  

摘要： 企业数字化转型是我国产业升级的重要微观基础，CEO作为决策者其个人特质在数字化转型中起到关键性作用.本文针对已有研究特质选择主观化、机制研究缺乏的问题做出改进，通过构建基于机器学习的自适应LASSO、QUBO模型进行特质选择，并系统的研究了所选CEO特质对数字化转型的影响机制.在变量选择部分，本文发现CEO的年龄、性别、金融经历、管理经历、生产经历是影响企业数字化转型的重要因素.机制研究表明，CEO年龄将以倒U形关系影响CEO经历丰富度、以U形关系影响风险承担，并以此为路径实现对数字化转型的倒U形影响;金融经历、管理经历分别以缓解信息不对称、改善公司治理水平为路径促进数字化转型;生产经历增加了CEO短视主义特征，从而抑制数字化转型;女性特质将通过降低风险承担促进数字化转型.本文丰富了CEO特质对数字化转型影响的研究，应用两种数学模型进行变量选择，为解决变量选择主观化问题提供了模型参考，本文的研究还对公司管理层设计、生产经营调整提供了一定的启示.

关键词： 人工智能   铸牢中华民族共同体意识   联结机理   驱动路径   风险应对  

摘要： 人工智能时代的铸牢中华民族共同体意识工作面临前所未有的机遇和挑战。通过探赜人工智能技术与铸牢中华民族共同体意识的内隐逻辑和表征逻辑，明确意识形态是风险由技术领域向民族领域扩散的关键属性，以及其间的技术驱动逻辑和行为塑造逻辑。据此分析风险的具象化呈现，包括错误认识催生个体行为异化、舆情泛滥诱发群体倾向异化、话语冲击造成社会规范异化。最后从总体国家安全观的视角出发提出应构建意识形态立体防护网络、搭建完备的意识形态监管体系以应对风险挑战，进而优化互联网空间铸牢中华民族共同体意识的具体实践。

关键词： 人工智能   AI素养   素养教育   高等教育   高校图书馆  

摘要： 高校图书馆是AI素养教育不可或缺的核心阵地。文章运用网络调研法和归纳法深入探讨了国外高校图书馆在AI素养教育方面的经验，以期为国内高校图书馆优化AI素养教育，构建AI素养教育融合模式提供启示。研究发现国外高校图书馆AI素养教育的特点：在教育主体上强化校内外机构合作，在教育对象上注重馆员教育和用户指导，在教育形式上聚焦基础素养提升，在教育内容上强调伦理道德问题。基于国外高校图书馆对于AI素养教育的响应，构建了AI素养教育的融合模式，通过对主体融合、对象融合、形式融合、内容融合四个“小融合”开展对应策略，推动高校图书馆AI素养教育的“大融合”发展。

关键词： 人工智能   教育领域   优势   挑战   未来展望  

摘要： 近年来,人工智能在教育领域的应用迅速发展,为教育领域带来了新的机遇和挑战.首先,本文讨论了人工智能如何提高教学效率、提供个性化学习体验以及为教育数据提供支持等方面的优势.其次,指出了在教育领域面临的一些挑战,例如交互功能的限制、决策推理机制的不完善、人工智能的自我更新和改进能力的有限、情感互动的缺乏以及数据隐私和安全问题.最后,对人工智能在教育领域的应用进行了展望,并提出了技术与教育深度融合、促进教育公平和普及等措施.期望通过本文的研究,能够推动教育向着更加开放、智慧和个性化的方向发展.

关键词： 航空安全   飞行员   认知负荷   机器学习   神经网络   便携式心电监测设备  

摘要： 目的 基于Su-33飞行模拟器平台采集飞行员生理数据，识别飞行员在不同飞行阶段中的认知负荷水平。方法 通过舰载机飞行任务实验，获取6名被试飞行学员在起飞爬升、巡航、进近着陆3个飞行阶段中的美国国家宇航局任务负荷指数量表和光电容积脉搏波数据。使用随机森林（RF）对心率变异性（HRV）指标进行重要性评价，并采用统计学分析比较飞行阶段的差异，最终选取最能反映认知负荷的HRV指标。使用支持向量机、K最近邻（KNN）算法、RF 3种机器学习算法，以及卷积神经网络和双向长短期记忆网络两种神经网络算法进行认知负荷识别。结果 进近着陆阶段的认知负荷水平最高，巡航阶段次之，起飞爬升阶段最低。各分类模型对认知负荷的识别效果较好，基于便携式心电设备采集数据的精度较高，其中KNN算法表现最佳，识别准确率达92.9%。结论 通过HRV指标，结合多种机器学习与神经网络算法，可以有效识别不同飞行阶段的认知负荷水平，为飞行员训练与认知评估提供了科学依据。

关键词： 信息驱动   电力系统   暂态稳定   分析器   人工智能  

摘要： 暂态稳定智能分析是大电网在线智能安全防御的重要组成部分。为提高运行环境下大电网暂态安全稳定态势智能评估与自适应防控的时效性和智能化水平，该文从信息驱动的视角，提出大电网暂态稳定智能分析器构建方案，并详细介绍所涉及的核心业务算法及电网稳定态势图谱可视化展示技术。最后，结合电网安全防控应用场景，开展相关技术测试，帮助运行人员快速、准确地掌握电网运行态势，提升大电网暂态稳定在线安全防控水平。该文工作有助于提高电网稳定态势智能评估与安全防控的时效性、灵活性和智能化水平，对促进人工智能技术在电网调控场景的探索和应用，具有积极作用。

关键词： 无线感知   人体活动识别   信道状态信息   机器学习   优化算法  

摘要： 针对人体活动识别邻域中的隐私保护性差、识别准确率低、成本高等问题，提出一种基于WiFi信号识别人体活动的方法，该方法利用人体活动对WiFi信道状态信息的影响实现非接触式的活动识别。首先，利用子载波的相关性及其对活动敏感性的差异提出一种天线-子载波选择策略，减少不敏感天线及子载波对活动识别的影响；然后，对包含活动特征的WiFi信道状态信息用Hampel滤波及小波变换去噪进行预处理，并利用滑动窗口内信号的方差变化确定活动区间，去除不含活动特征的冗余信息，再用统计特征构造用于分类的特征量；最后，利用麻雀搜索算法优化正则化学习机的参数选择过程以提高模型性能。实验结果表明该方法对拍手、前踢、深蹲、步行、弯腰、打电话、坐下、高摆手、喝水九种人体动作平均准确率可达到96%，所提出的天线-子载波选择策略将九种活动的准确率平均提高了4.56%；通过与目前先进算法和其他改进算法的对比，有效证明了所提方法的有效性。

关键词： 损伤识别   图像编码器   2d-cnn   桥梁健康监测   机器学习  

摘要： 针对传统机器学习难以处理长期监测下复杂数据的问题，提出了一种结合图像编码器和二维卷积神经网络(two-dimensional convolutional neural network，2D-CNN)智能损伤识别方法。以一座12.5m钢桁架试验桥与其相应有限元模型进行研究，使用六种图像编码器将时程位移数据转换为等大小的图像矩阵，以矩阵作为卷积神经网络(convolutional neural network，CNN)二维训练样本，得到损伤识别深度学习模型，以验证不同图像编码方式在损伤信息提取和模式识别的鲁棒性。结果表明，该方法相比传统的机器学习算法和一维CNN(one-dimensional convolutional neural network，1D-CNN)，正确率提高23.4%。经过进一步试验研究发现GAF(gramian angular field， GAF)稳定性与适用性最优，其损伤识别准确率达到100%。