关键词： 汽轮机转子   特征筛选   机器学习   温度预测  

摘要： 针对高压转子在运行过程中的危险点温度预测问题,提出了一种基于机器学习的实时多步滚动预测方法。首先利用有限元分析获取转子危险点温度数据,为后续建模提供可靠的数据基础。为了提高数据质量和预测精度,采用数据降噪和特征筛选算法对运行数据进行预处理。然后设计了9种不同的机器学习模型,包括卷积神经网络(CNN)、长短期记忆网络(LSTM)、双向LSTM(BiLSTM)及其结合注意力机制的变体模型,以及Transformer和时间卷积网络(TCN)。最后,通过实验对比分析,评估模型的预测性能。结果表明,CNN-BiLSTM-Attention模型和TCN模型在预测精度上表现最佳,能够较好地适应高压转子复杂运行工况的需求。所提方法为高压转子的温度预测和安全管理提供了有效的预测工具,有助于保障机组安全稳定、经济高效地运行。

关键词： 强化学习   机理研究   实现方法   人工智能  

摘要： 针对强化学习算法在实际应用中面临的理论与实现挑战,本文首先深入探讨了强化学习的数学基础,重点分析了马尔可夫决策过程的模型构建、贝尔曼方程与其最优性原理,以及算法的收敛性和稳定性证明。其次,聚焦于基于策略的强化学习实现方法,详细讨论了策略梯度原理、模型预测与规划技术,以及算法在工程实践中的优化方法。最后,结合强化学习的多个应用领域分析了该方法的适用性,并对其在理论完善和应用拓展方面的发展前景进行了深入讨论。

关键词： 智能化升级   纺织行业   数字化转型   智能制造  

摘要： 近年来,智能制造日益成为未来制造业发展的重要趋势和核心内容。纺织行业作为我国传统支柱产业,其数字化转型与智能化升级成为行业新质生产力发展的必然趋势。在行业发展需求和相关政策的引导下,纺织行业积极进行数字化、智能化升级探索,产业链各生产环节涌现出了一批取得关键技术突破的项目,包括从“智能化自动缫丝机”“全成形智能化经编装备”等智能设备的研发,到“基于人工智能的纺织品图案生成设计”等智能设计解决方案、“织造智能工厂”等智能生产管理技术的创新应用。

关键词： 肝移植   慢加急性肝衰竭   器官衰竭   终末期肝病模型评分   预后   静态评估   动态评估   机器学习  

摘要： 慢加急性肝衰竭(ACLF)是一种在慢性肝病基础上发生的急性肝功能恶化,伴随肝脏和肝外器官衰竭,短期病死率高。肝移植是ACLF患者的唯一治愈方法,但供肝短缺和分配系统的限制使得只有少数患者能接受移植。基于终末期肝病模型(MELD)评分的器官分配体系存在低估ACLF患者肝移植紧迫性的风险,开发更好的评估工具以确定哪些ACLF患者最有可能从肝移植中受益是当务之急。因此,本文就目前国内外主流的ACLF定义、ACLF肝移植治疗适应人群的选择以及ACLF肝移植预后的评分进行综述,以期为ACLF患者肝移植预后评估提供参考。

关键词： 人工智能   医学教育   教育技术   教学改革  

摘要： 人工智能技术具有智能化、自主化、高效化、个性化、交互性、针对性等特点,将其应用于医学教育领域,可有力辅助教师教学、提高医学生的学习兴趣和学习效率,因此也对医学教育改革提出新的挑战。本研究探讨了ChatGPT、三维打印技术、医学数字化虚拟技术、智能交互机器人等人工智能技术在医学教育领域的应用前景,以及人工智能技术用于医学教育在教学改革、学生能力、诚信建设等方面所面临的挑战和机遇。

关键词： 吸附   机器学习   分配系数   膨润土   安全评价  

摘要： 放射性核素在膨润土上的分配系数(Kd)是放射性废物处置库安全评价中的关键参数之一。本研究旨在使用机器学习(Machine Learning,ML)模型可靠地预测多种放射性阳离子在膨润土中的Kd值。该研究基于日本原子能机构吸附数据库(Japan Atomic Energy Agency's adsorption database,JAEA-SDB),收集10种核素(Am、Bi、Cm、Cs、Eu、Ni、Pb、Po、Ra、U)在膨润土中的1240组Kd数据,选取9个输入因子,构建了包括随机森林(Random Forest,RF)、支持向量回归(Support Vector Regression,SVR)等6种ML模型,并通过蒙特卡罗交叉验证方法评估了ML模型的稳健性。结果表明,RF模型是获取Kd最有效的模型,其训练集预测的决定系数(R^(2))为0.9029,测试集R^(2)为0.7286。RF也能真实地再现Kd的概率密度分布特性。研究发现pH、初始浓度、离子强度和温度为影响Kd的主要因素。综上,ML方法,特别是RF模型,可以快速地获得复杂条件下多种核素在膨润土上的Kd,为放射性废物处置库安全评价提供了可行的新路径。

关键词： 人工智能   监管沙盒   国际   北京   启示  

摘要： 如何平衡创新和监管是人工智能产业和生态发展中必须解答好的难题。监管沙盒作为一项创新监管的有效工具,已经在金融科技、汽车安全等领域积累了近10年的发展经验,英国、挪威、法国、新加坡等国家在医疗、交通、教育、中小企业发展等领域率先开展了人工智能监管沙盒的早期实践。北京市在2024中关村论坛上发布了全国首例人工智能领域监管沙盒。各类沙盒从测试场景、限制条件、通过标准等方面,对人工智能技术在行业、法律、政策、伦理等多个维度的衔接性、适配性进行了局部检验,并提供了进一步完善的建议,相关经验可为我国各省市探索人工智能监管实践创新提供借鉴。

关键词： 人工智能   经济高质量发展   创业驱动效应   创新驱动效应   门槛效应  

摘要： 人工智能技术作为新一代信息通信技术的核心,正成为引领中国经济高质量发展的核心驱动力。文章基于2007—2022年中国285个地级市的面板数据,探讨人工智能对经济高质量发展的影响及其作用机制。研究结果表明:人工智能显著促进了经济高质量发展,并且通过了多项稳健性检验;机制分析表明,人工智能主要通过创业驱动效应和创新驱动效应赋能经济高质量发展;门槛效应表明,在不同人工智能水平、产业集聚水平和信息化水平下,人工智能对经济高质量发展的影响具有非线性特征;异质性检验表明,人工智能对东部地区、大型城市、高经济维度以及高科技水平地区的经济高质量发展具有更大的提升效应。基于研究结论,应深化人工智能与经济高质量发展的深度融合,激发人工智能创业及创新动力,加强财政支持与政策引导,有效破解技术应用门槛,促进人工智能与经济高质量发展的深度协同,进而实现区域经济的可持续增长。

关键词： 人工智能   人工智能能力框架   教师人工智能能力框架   教师人工智能素养   教师专业发展  

摘要： 人工智能将教育领域传统的“师生二元关系”转变为“教师—人工智能—学生的三元动态关系”。这种转变要求重新审视教师角色及其在人工智能时代所需的能力。然而,目前极少数国家定义了这些能力或制定了培训教师人工智能能力的国家规划,导致许多教育者缺乏指导。在此背景下,联合国教科文组织发布了《教师人工智能能力框架》,定义了教师在人工智能时代必须掌握的知识、技能和价值观。该框架采用二维矩阵的方法,构建了涵盖5个能力层面,横跨获得、深化和创造3个能力等级的15种人工智能能力模块,并为教师提供了建立人工智能知识、应用伦理原则和支持其专业成长的框架应用策略。作为全球教师人工智能能力框架构建的参考工具,分析该框架有助于指导我国研制面向教育强国需求、契合教育家精神的本土化教师人工智能能力框架,为我国教师培训和评估项目提供参考。

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。