关键词： GNSS定位   人工智能   交通边坡   滑坡预警  

摘要： 本文针对交通边坡滑坡灾害频发的现状,提出了一种基于全球导航卫星系统(Global Navigation Satellite System,GNSS)与人工智能(Artificial Intelligence,AI)技术融合的智能预警系统。研究首先分析了GNSS与AI技术的原理及其融合的可行性,随后设计了一套完整的智能预警系统,包括硬件架构、软件平台和预警机制等核心组件。系统采用多源数据融合策略,集成了GNSS接收机、倾斜传感器、雨量计等多种监测设备,实现对边坡关键参数的实时监测。AI技术通过深度学习算法对监测数据进行处理与分析,建立边坡稳定性评估模型,实现滑坡风险的智能预测与预警。实际应用案例表明,该系统显著提升了交通边坡滑坡监测的准确性和及时性,为保障公路交通安全提供了有力技术支持。

关键词： 物联网技术   人工智能   民爆器材   管理系统   数据采集   可视化  

摘要： 为了提高民爆器材企业的安全管理水平,减少安全事件发生,提升民爆器材存储、运输的安全性以及使用周转的高效率和可控性。基于物联网技术架构,研究并开发适用民爆经营企业的智慧民爆管理系统。本系统的底层为感知层,负责采集数据;中间层将采集的数据传输汇总到平台并进行处理;应用层实现数据应用,由此形成管理一体化。系统利用嵌入式技术、大数据分析和AI技术进行数据分析与提取,实现数据可视化,辅助用户决策,在安全管理、生产调度、经营管理等方面为用户提供重要的技术支持。

关键词： 肺炎   死亡   机器学习   列线图  

摘要： 目的基于机器学习算法构建重症肺炎患者1个月内、1年内死亡风险预测列线图模型。方法选取2019年6月—2023年6月在厦门大学附属翔安医院急诊医学科就诊的134例重症肺炎患者,收集患者的临床资料。采用5种机器学习算法(随机森林、朴素贝叶斯、支持向量机、神经网络、逻辑回归)分别分析重症肺炎患者1个月内、1年内死亡的影响因素,绘制ROC曲线以筛选预测效能最优的机器学习算法,然后选取前5位危险因素分别构建重症肺炎患者1个月内、1年内死亡风险预测列线图模型;最后,绘制ROC曲线以评估列线图模型的预测效能。结果134例重症肺炎患者1个月内死亡22例,1个月内死亡率为16.4%;1年内死亡42例,1年内死亡率为31.3%。将所有患者按照7∶3比例随机分成训练集(n=94)和验证集(n=40)。将训练集患者的观察指标作为自变量,分别将训练集患者1个月内死亡情况、1年内死亡情况作为因变量,选择5种机器学习算法进行训练,结果显示,神经网络预测重症肺炎患者1个月内死亡的AUC最大,随机森林预测重症肺炎患者1年内死亡的AUC最大。选取神经网络中正态化重要性系数前5位的变量〔动脉血氧分压、碳酸氢盐、淋巴细胞计数、血小板计数、急性生理学和慢性健康状况评价Ⅱ(APACHEⅡ)评分〕构建重症肺炎患者1个月内死亡风险预测列线图模型。选取随机森林中平均下降GINI系数前5位的变量(尿量、氧合指数、肺炎严重程度评分、APACHEⅡ评分、ICU住院时间)构建重症肺炎患者1年内死亡风险预测列线图模型。ROC曲线分析结果显示,基于神经网络构建的列线图模型预测训练集、验证集患者1个月内死亡的AUC分别为0.828〔95%CI(0.705~0.950)〕、0.690〔95%CI(0.593~0.806)〕,基于随机森林构建的列线图模型预测训练集、验证集患者1年内死亡的AUC分别为0.833〔95%CI(0.746~0.919)〕、0.833〔95%CI(0.703~0.964)〕。结论分别基于神经网络、随机森林构建的重症肺炎患者1个月内、1年内死亡风险预测列线图模型的预测效能较好,其中1年内死亡风险预测列线图模型表现更稳定。

关键词： 机器人   老龄化   人工智能   空巢老人   晚年生活  

摘要： 有一句话说得好,关心老人的现在,就是关心我们的未来。我国65岁以上人口数量已超过2亿,其中空巢老人、失能和半失能的老人数量不小,他们的晚年生活很容易陷入困境。面对日益严重的老龄化问题,人工智能技术带来了新的解题思路。曾经是科幻电影里的场景,正在生活中逐步呈现。

关键词： 人工智能   高职院校   计算机课程   教学改革   路径  

摘要： 随着科学技术的不断发展,民众的工作、学习、生活已然步入了“人工智能”时代。人工智能技术在为人们生活各个领域提供便利的同时,也为高职计算机课程教学提供了新的改革机遇。人工智能技术能够将互联网平台上的动画资源、图片资料、视频以及文字进行有机统合,并在此基础上进行教育资源的再生产,将原本抽象的计算机课程知识形象生动地展现在学生面前,大大提高了计算机课程教学的趣味性和生动性。为了更好地适应人工智能的时代背景,全面提升教育教学质量,高职院校计算机课程教师也要积极开展“人工智能”改革,激发学生的学习兴趣,提升他们的综合能力。本文就人工智能赋能高职院校计算机课程教学改革策略进行了分析,仅供广大教师参考。

关键词： 招聘会   智能制造   对口帮扶   崇州市   数字媒体  

摘要： 为深入贯彻落实稳就业、保民生决策部署,做实做细对口帮扶就业工作,近日,成都崇州市与阿坝州马尔康市联合举办2025年对口帮扶促就业系列活动,精准发力稳就业、保民生,为马尔康市群众搭建就业桥梁,携手推动高质量充分就业。举办“春风行动”专场招聘会岗位送到“家门口”精准服务暖人心在系列活动中,组织开展了“崇—马”2025年对口支援“春风行动”专场招聘会。崇州市人社局根据马尔康市群众的就业需求,收集市内相关企业用工需求信息,初步筛选匹配后,共组织10家涉及智能制造、数字媒体、酒店服务等多个行业领域的企业提供就业岗位160余个,涉及普工、操作工、技术员、视频剪辑、销售等岗位。活动现场,求职者积极与企业交流互动,了解招聘岗位、招聘条件、企业情况、薪资待遇等,共吸引500余人次参与,初步达成就业意向112人。

关键词： 机器学习   变形性能   排钢管钢板混凝土剪力墙   可解释性分析  

摘要： 针对复杂结构构件变形性能研究中试验成本高、评估方法难以量化、评估精度较低等问题，提出一种基于机器学习的构件变形性能评估方法。该方法使用超拉丁群抽样法批量建立有限元模型，并将基于材料应变确定的构件性能点和机器学习预测模型相结合，构建一个高效的变形性能评估框架，能够在减少试验及计算成本的同时提高评估精度。将该方法应用于一种新型剪力墙构件（排钢管钢板混凝土剪力墙），建立1 200个精确的有限元模型，构建以轴压比、剪跨比、钢材厚度、钢管间距、剪力墙厚度、钢材强度及混凝土强度为关键参数的机器学习训练数据集。预测结果表明，模型预测精度较高，通过SHAP可解释性分析，揭示参数对排钢管钢板混凝土剪力墙的影响以并验证了模型的鲁棒性，准确高效地实现排钢管钢板混凝土剪力墙的变形性能评估。该评估方法为试验数据稀缺、试验成本高且难以开展变形性能研究的复杂构件提供了一种可行的变形性能评估手段，为构件的延性设计及参数优化提供依据和参考，并以P-CFST-SCSWs为例，展示了其在复杂剪力墙构件中的应用潜力。

关键词： 银耳   高血脂   网络药理学   机器学习   孟德尔随机化   ADMET分析  

摘要： 血脂异常是诱发心血管疾病的关键危险因素，探寻安全且高效的降血脂天然产物，对防控心血管疾病意义重大。本研究旨在运用网络药理学、机器学习、孟德尔随机化以及ADMET方法探讨银耳降血脂的潜在机制。研究结果表明，银耳的 22个次级代谢产物与 233个靶点共同作用，蛋白质网络分析显示MTOR、CASP3、EGFR、RHOA、TP53、STAT3、AKT1、HIF1A等为关键靶点，经构建2种机器学习模型预测得到交集特征靶点为CASP3和HIF1A，进行两样本孟德尔随机化(MR)分析发现，CASP3与高血脂的发病之间呈现出显著的因果关联。GO功能和KEGG 通路分析发现CASP3主要涉及p53信号通路、AGE-RAGE信号通路与糖尿病并发症、MAPK信号通路。分子对接结果显示，银耳中的3-hydroxy-2，4，7-trimethoxy-9，10-dihydrophenanthrene (Tf2)、simulansine (Tf8)和urinatetralin (Tf18)等活性成分与关键靶蛋白CASP3之间具有良好的结合作用。基于吸收、分布、代谢、排泄及毒性(ADMET)的系统分析表明，上述3种活性成分展现出优良的药代动力学特性，在胃肠道吸收方面表现出色，具备一定的开发成药物的潜力。本研究为银耳应用于高血脂治疗的临床实践及未来研究，提供了一定的参考。

关键词： 子宫疤痕憩室   机器学习   LASSO交叉验证   风险预测   剖宫产术   列线图  

摘要： 目的 筛选剖宫产术后发生子宫疤痕憩室(CSD)的危险因素并构建风险预测模型。方法 调取行剖宫产术的491例产妇作为研究对象,并收集数据库中术后12个月对产妇进行回访的阴超数据,将数据集按照7:3随机分为训练集和测试集;使用最小绝对值收敛和选择算子(LASSO)进行变量筛选得到特征变量,对特征变量进行多因素Logistic回归分析,进一步使用R软件构建列线图联合预测模型,同时对模型进行内部评价及验证。结果 共纳入491例样本数据,其中训练集344例,测试集147例;通过LASSO交叉验证算法筛选特征变量,最终筛选出5个变量:剖宫产次数、2次剖宫产间隔年数、24 h出血量、手术时间和子宫位置(P <0.05)。利用其构建的CSD风险预测模型内部评价和内部验证的决策分析曲线准确度较高;训练集及测试集中诊断模型的AUC(95%CI)分别为0.75(0.71～0.80)和0.79(0.71～0.87)。结论 采用LASSO交叉验证算法建立的风险预测模型对产后CSD发生具有良好的预测价值,值得临床关注。

关键词： 观看   记忆   表达   人类理解   人工智能   教育实践  

摘要： 教育的高质量发展与生成式人工智能的迅猛发展需要人们对人类理解机制与人工智能的赋能性使用进行反思。人的理解有诸多因素起关键作用。观看在原印象、滞留与前摄的共同作用中，通过“视域”使人获得达致理解的“范型”；记忆作为意向性的滞留，使人的认知体系得以建立，其本身就是一种理解；而真正表征理解的表达展现着事物所承载的意谓而非事物的抽象概念解释，并言说“我”与世界的融合。因此，教学实践需要教师以图像还原知识情境，激发学生感性感知的生成；运用“触发”而非“重复”使记忆联结自我、获得稳定；同时，促进学生在对世界的意谓性言说中达致存在性理解。人工智能并非对教育与教师的替代，而是与教师、学生共同处于世界发生—认知发生—教育发生的构成境域中助力“世界—教育”的构成性运动，以人类认知的连续性、综合性与属我性助力理解的达成。由此，人工智能可作为多模态感知增强系统，增强学生具身认知；成为场景生成器，通过时空建构触发新旧内容联结；作为意义对话者，激发学生属我性表达。