关键词： 土壤有机碳   机器学习   精度评价   空间分布  

摘要： 土壤有机碳(SOC)是衡量土壤质量与肥力的重要依据。东北黑土地退化严重,精准监测SOC含量成为提高土壤质量和保障粮食安全的关键。以辽宁省西丰县为研究区,基于150份土壤样品测试分析数据、Sentinel-1、Sentinel-2遥感数据及地形数据,使用BP神经网络(BPNN)、随机森林(RF)、梯度提升回归树(GBRT)及支持向量回归(SVR)4种机器学习方法建立县域尺度土壤有机碳含量预测模型,并评估模型的预测精度,绘制土壤有机碳空间分布图。研究结果表明,基于土壤指数、Sentinel-1、Sentinel-2及DEM数据组合构成的RF模型预测效果最好(R^(2)=0.858;S_(MAE)=1.292;S_(RMSE)=1.730;S_(MAPE)=0.130),DEM数据、B4波段及极性特征对模型预测精度重要性居前三位。辽宁省西丰县SOC含量整体变化范围在6.22~19.82 g·kg^(-1)之间,总体呈现出东南部高,北部、中西部低的特征。研究结果可为优化黑土地管理和提高农业生产提供参考。

关键词： 智能交通   人工智能   大数据   系统优化  

摘要： 城市化的推进导致交通拥堵,因此传统交通系统难以满足需求,这给人工智能和大数据的应用带来机遇。聚焦于人工智能驱动的智能交通系统优化方案,从宏观上提升了城市交通的流畅性,优化了区域间交通协调程序,从微观上提高了路口交通效率,稳定了特定路段的车速。详细阐述了基于人工智能和大数据的系统设计,涵盖系统架构设计、数据采集、分析,以及人工智能决策。

关键词： 人工智能   计算机通识课程   课程思政   C语言  

摘要： 在人工智能(AI)技术快速发展的背景下,高校计算机通识课程教学面临新的挑战与机遇。以“C语言”课程为例,文章结合AI技术特点及其对思政教育的影响,探讨了思政教育融入专业课程的教学策略。通过分析课程特点与教学目标,提出一系列将思政元素融入“C语言”课程教学的方法,并结合具体实践案例验证其有效性。研究表明,该教学模式不仅能提升学生的编程能力和问题解决能力,还有助于培养其思政素养和社会责任感,为培养具有创新精神的高素质计算机人才提供了有力支持。

关键词： 人工智能   高等教育   教学变革   教育公平   伦理治理  

摘要： 人工智能正以前所未有的深度重塑高等教育教学生态。从个性化学习、智能评估、交互式教学到内容生成和学生支持服务,AI已成为教学创新的重要引擎。本文系统梳理AI在教学各环节的典型应用场景,分析其对教学范式、师生角色、学习评价与教育公平的深层影响,揭示AI在推动能力导向教学、促进教育公平中的潜力。同时,文章也批判性反思了学术诚信、数据安全、算法偏见和数字鸿沟等风险,并提出国家与高校应构建以伦理为先、系统协同的AI战略规划。结论指出,AI赋能高教必须坚持“以人为本”,在技术跃迁中守护教育的核心价值。

关键词： 电子航道图   航道拥堵   电子航道图   机器学习  

摘要： 航道拥堵是现代航运面临的重要挑战,影响航运效率与安全性。随着全球贸易增长,水路运输需求增加,传统航道管理方法难以有效应对复杂情况。本研究基于电子航道图(ENC)提出了一种自动识别航道拥堵状态的模型,旨在提升航道管理的智能化水平。通过分析电子航道图数据,提取船舶位置、速度、航向等关键特征,结合机器学习和深度学习算法,构建了航道拥堵状态识别模型。实验结果表明,基于深度学习的模型在识别准确性上超过90%。研究还发现,航道几何形状、船舶流量和环境因素对拥堵状态识别有显著影响。本研究为航道管理提供了新的方法与参考,且具有重要的理论和实践价值。未来研究可结合实时数据与更复杂模型进行深入探索。

关键词： 人工智能   数字化   包装车间设计   教学模式重构  

摘要： 随着人工智能技术在各领域的深度渗透,包装产业的智能化转型进程显著加快。这一变革为包装工程专业人才的培养设定了更为严苛的标准,对相关课程教学提出了全新的挑战与要求。本研究围绕人工智能驱动下“包装生产线与车间设计”课程教学模式的重构与实践展开深入探讨,系统剖析传统教学模式的弊端,详细阐述人工智能赋能课程改革的重要性与紧迫性。通过构建全新的教学内容体系、引入创新教学方法、搭建多层次实践教学平台以及完善教学评价体系等多方面的探索,全面验证新教学模式在提升学生专业素养、实践技能和创新思维方面的显著成效。借助数字化包装虚拟车间,学生与智能系统的互动得以实现,不仅能够沉浸式体验包装流程,还能有效培养解决复杂工程问题的能力,为包装工程专业课程教学改革提供坚实的理论支撑,为专业人才培养指明清晰的方向。

关键词： 人工智能   智能合成语音   拟人化   机器学习算法   消费者评论  

摘要： 随着智能合成语音产品的快速发展,人工智能(artificial intelligence,AI)技术在有声书领域的应用日益广泛,为传统的有声读物注入了新的活力。然而,是否AI有声书的声音越接近真人,就越能受到消费者的青睐?本研究以喜马拉雅平台上的有声书为研究对象,从抓取的音频中提取低维和高维的音频特征,分别建立了随机森林模型和神经网络模型用以预测有声书的声音来源(真人/AI)。基于此,本研究构建了度量声音拟人化程度的指标,并从技术和行为层面分别对该指标的内在机理进行了深入分析,帮助大家理解该拟人化指标如何刻画AI有声书和真人有声书的异同。最后,本研究通过实证的方法探究了该拟人化指标与消费者行为之间的关系。实证结果表明,有声书的拟人化程度与消费者好感度(即用户评分)之间存在恐怖谷效应,即随着有声书声音的拟人化程度增加,该有声书的评分会呈现先上升后下降的态势。不过,在用户的评论声量方面,恐怖谷效应并不存在。本研究为理解消费者对AI生成内容的接受程度提供了新的理论和实证视角。

关键词： 人工智能   大数据驱动   财务预警模型  

摘要： 文章深度探究了人工智能与大数据在民营科技企业财务预警模型中的构建策略。首先,文章概述了人工智能与大数据的核心概念,基于对民营科技企业财务预警现状的深入剖析,揭示了人工智能与大数据的重要性。其次,文章详细讨论了人工智能在财务预警模型中的实施策略,包括应用机器学习进行特征选择与预测、利用深度学习网络进行财务数据模式的预警识别,以及通过强化学习实现动态的财务风险预警模型优化。再次,文章深入研究了大数据在财务预警模型中的实施策略,如构建多维度的财务预警指标体系、优化预警模型的性能和准确度,以及提升财务预警结果的解释性和易用性。最后,文章通过实证案例印证了理论研究的正确性和实用性,以期为民营科技企业制定最佳的财务预警模型构建策略提供参考。

关键词： 电子信息   应用基础   应用型人才培养   智能制造  

摘要： 《成都工业学院学报》创刊于1996年,双月刊,是四川省教育厅主管、成都工业学院主办的综合性学术期刊,国内外公开发行。中国标准连续出版物号:ISSN 2095-5383,国内统一刊号CN51-1747/TN。《学报》常设栏目有:智能制造、电子信息、应用基础、应用型人才培养、经济与社会、文化与传承。本刊热诚欢迎国内外专家、学者惠赐佳作,对于国家级和省(部)级政府基金项目成果的论文,经审定后优先发表,稿费从优。来稿发表即赠送作者当期刊物2本。

关键词： 人工智能   大模型   意识形态塑造   技术黑箱   法治方式  

摘要： 随着人工智能时代到来,AI大模型对意识形态塑造产生了深刻影响,带来一系列新的风险挑战。AI大模型意识形态塑造的基本逻辑集中体现于数据来源和预处理的选择性偏向、模型训练算法的自身缺陷、用户交互反馈的前端塑造等方面。正是新兴技术运行的特殊机理,促成了AI环境下意识形态相关安全风险之形成,具体表现为虚假信息生成、算法黑箱、价值观冲突、意识形态极化等多维风险挑战。为有效防范应对这些风险挑战,应注重运用法治思维和法治方式从四个方面展开,分别是健全完善责任分配与监管体系、强化组织机构建设与监管整治、建立专门机制与优化司法程序,以及大力推动以技术赋能辅助监管。