关键词： 人工智能   项目设计   项目实施  

摘要： 本文针对当前高中人工智能教育存在的问题,结合人工智能技术层面、应用层面、社会层面的分析,提出以目标为导向、以技术为基础、以应用为主线设计活动项目,学生通过“感知、实践、体验、感悟、畅想”的项目实践路径,完成“从技术到应用”“从应用到社会”的自我实现,提升面对未来智能社会的关键能力。

关键词： 人工智能   图书馆   新型智库   知识服务模式  

摘要： 本文探讨了人工智能技术如何为图书馆新型智库的知识服务模式带来革新与重塑,尤其是在资源流通、整合与共享方面的效能提升。通过综合评估建设现状、内容构成、服务模式、技术架构、发展路径及驱动力,说明了AI技术助力图书馆从数据服务升级至高级智慧服务的过程,强调用户导向、技术融合、资源优化及外界激励的重要性。本文旨在为图书馆新型智库假设提供创新发展方向,以应对信息时代多元化、个性化需求,促进智库服务水平的全面提升。

关键词： 人工智能   超声   淋巴结   深度学习   影像组学  

摘要： 淋巴结肿大是多种疾病的共有表现,评判淋巴结的良、恶性,对于疾病的诊断与治疗有重要意义。超声是目前淋巴结疾病的首选影像学检查方法,但对声像图不典型的淋巴结鉴别,仍然存在困难。伴随人工智能的迅猛发展,深度学习和影像组学方法能提供更多肉眼无法捕捉的信息,目前已应用于淋巴结超声医学研究。

关键词： 人工智能   动画造型   动作设计   动画创作  

摘要： 人工智能让动画产业发生巨大改变,动画创作者需要重新适应并利用人工智能创作更多的优质动画作品。把动画当作艺术形式的话,其中优质的动画角色设计是最为核心的构成。角色创作的角度需要当今的创作者做好概括和提炼,避免技术堆叠,在造型设计和动作设计两方面通过人工智能实现高于生活的审美体验。

关键词： 人工智能   社会科学   科学研究   研究过程   数据  

摘要： 随着人工智能技术的快速发展,社会科学研究正经历着前所未有的变革。文章探讨了AI如何赋能社会科学研究过程的各环节,基于研究过程新技术、新关联、新模式,进一步论述其带来的作用与转向。具体而言,首先分析了AI在学术资源获取、成果梳理、研究对象关联、研究主题产生和学术论文投稿等环节的渗透,揭示了AI技术如何提升研究效率、拓宽研究视野,并促进研究主体的多元化和创新能力的提升。然后,辩证分析了AI赋能下社会科学研究过程面临的新挑战,包括价值观偏差和研究界限的模糊化等问题,并提出了对应的建议。最后,展望了AI驱动的社会科学研究转向,包括从解释导向到解决导向、从理论驱动到数据驱动、从方法细节到方法原理的转变,并探讨了实现这些转变的机制和路径。文章认为,AI技术将在尊重社会科学研究本质的基础上,进一步推动理论的创新、方法的革新以及实践的应用,为解决社会问题提供更加科学有效的方案。

关键词： 数字经济   特征选择   机器学习   交叉验证   支持向量回归  

摘要： 聚焦于数字经济这一现代经济增长的核心驱动力,通过特征选择算法精炼数据,结合多种机器学习算法构建模型,并经交叉验证优化参数,依据模型性能指标筛选出最优的长三角数字经济模型,以期高效、精准地把握长三角数字经济发展趋势.研究结果显示:特征选择算法能显著提升机器学习算法的预测精度;各机器学习算法中支持向量回归的预测效果最佳;各模型组合中随机森林-支持向量回归模型为最优的数字经济预测模型,能够很好地反映出长三角数字经济稳步发展的趋势.

关键词： 云计算   大模型   资源分配   动态调度   机器学习  

摘要： 随着云计算和人工智能技术的快速发展,大模型(如深度学习模型)在各类场景中得到了广泛应用,促使云资源的动态分配策略成了研究热点。文章探讨了大模型驱动下的云资源动态分配策略,分析了现有方法的局限性,并提出一种基于机器学习的智能动态分配框架,旨在提高资源利用效率,加快响应速度。通过实验验证,该框架在实际应用中表现出更优的资源调度效果和较低的延迟。

关键词： 智能制造   笔记本电脑   上海宝钢   智慧工厂   中联重科   示范工厂   技术创新   蒙牛  

摘要： 智能制造正在改变中国工厂。“黑灯”的上海宝钢让炼钢炼铁也能高效绿色;宁波极氪打造的5G智慧工厂可以满足单个车型超百万种个性化配置;合肥联宝每0.5秒就能下线1台笔记本,全球每8台笔记本电脑就有1台出自这里;中联重科塔式起重机智能制造示范工厂让重型产线又“绿”又快;数智化转型和技术创新让宁夏蒙牛实现了百人工厂百亿产值……

关键词： 相对渗透率曲线   机器学习   人工神经网络   数值模拟   Brooks-Corey模型  

摘要： 相对渗透率曲线是研究多相渗流的基础,在计算气井产量、分析气井产水规律等方面具有重要意义。由于常规的相对渗透率曲线一般通过岩心实验获取,耗时较长,成本高。为此,结合经验公式、油气藏数值模拟与机器学习的方法,提出一种采用生产动态数据计算气水相对渗透率曲线的方法。以四川盆地某气藏的一研究区块为例,通过气藏数值模拟计算的产气量、产水量、地层压力组成的样本集作为模型的输入,Brooks-Corey模型的参数作为模型输出,对比SCG、BR、LM神经网络学习算法,优选LM算法建立训练模型,进一步讨论了样本集的大小对预测结果的影响,并提出了相应的优化策略。研究结果表明:(1)由于不同的隐含层设置对神经网络的训练效果不同,当训练算法为LM、网络隐含层数为2层、节点数分别为41、32时对相渗曲线预测效果最好;(2)样本数的大小对网络训练速度和模型预测效果有重要影响,适当减少样本数可以改善模型预测效果,但同时也会增加网络训练误差;减少输入变量时间段,会增加网络训练误差,降低预测模型最终预测效果。实际应用表明,预测相渗曲线与岩心相渗曲线之间差异较小,并且产水量与压力拟合精度较高,因此该方法可以快速、准确地计算气水相对渗透率曲线,为气田开发生产提供有力的支持和指导。

关键词： 机器学习   缓慢循环   异味检测  

摘要： 随着移动应用的快速发展,代码异味问题日益凸显,严重影响了软件的质量和性能。本文提出了一种基于机器学习的缓慢循环异味检测方法,旨在提高Android应用中代码异味的检测效率和准确性。研究首先构建了一个包含7000个样本的数据集,然后采用决策树(C4.5)、朴素贝叶斯(NB)、逻辑回归(LR)、随机森林(RF)和基于规则的归纳算法(JRip)五种机器学习算法进行缓慢循环异味的检测。实验结果表明,随机森林算法在查准率、查全率和F1值上均表现优异,其次是JRip算法。本研究的方法和结果为Android应用开发中代码异味的自动检测提供了有效的技术支持。With the rapid development of mobile applications, the issue of code smells has become increasingly prominent, severely affecting the quality and performance of software. This paper proposes a machine learning-based method for detecting slow loop smells, aiming to improve the efficiency and accuracy of detecting code smells in Android applications. The study first constructed a dataset containing 7000 samples, and then used five machine learning algorithms, including Decision Tree (C4.5), Naive Bayes (NB), Logistic Regression (LR), Random Forest (RF), and Rule-based Inductive Algorithm (JRip), to detect slow loop smells. The experimental results show that the Random Forest algorithm performed excellently in terms of precision, recall, and F1 score, followed by the JRip algorithm. The methods and results of this study provide effective technical support for the automatic detection of code smells in the development of Android applications.