关键词： 人工智能   贝叶斯深度学习   变分推理   概率建模   机动策略识别   梯度平衡因子   智能辅助作战系统  

摘要： 增强对敌方作战飞机机动策略识别能力是提升我方空战决策水平的关键因素之一.针对传统深度学习模型在复杂多变的作战环境中常表现出过度自信及不确定性评估困难的局限,提出一种基于贝叶斯深度学习的作战飞机机动策略识别方法,使用贝叶斯变分推理和多元高斯分布,构建基于多层感知机的贝叶斯深度学习(multi-layer perceptron-based Bayesian deep learning,BDL-MLP)概率化模型,并引入梯度平衡因子以缓解复杂性代价梯度和似然代价梯度不平衡的影响,再通过贝叶斯反向传播算法进行模型训练和参数优化.基于团队在Unity3D软件研发的虚拟空战仿真平台AirFlightSim,对比评估了BDL-MLP、多层感知机(multilayer perceptron,MLP)、AlexNet和LeNet模型在不同模糊程度(模糊半径分别为0、15、31、45和61像素)的作战飞机运动场景下的分类性能.结果表明,在由上述5种模糊半径构建的数据集上,BDLMLP模型的机动策略识别准确率较MLP、AlexNet和LeNet模型平均分别提升了0.43%、0.99%、1.19%、1.98%和2.36%,且在鲁棒性及复杂数据的特征提取能力方面均表现最优,能够量化不确定性.基于贝叶斯深度学习的作战飞机机动策略识别方法可为军事智能辅助作战系统的研发提供有价值的参考.

关键词： 人工智能   当代资本主义   金融修复   技术修复  

摘要： 面对当代信息智能技术的迅猛发展,既有的哲学反思倾向于将技术视作一种自主演化的孤立事物,而相对忽略了其特定的社会关系基础。资本主义生产关系对技术演化路径具有筛选和塑造作用。当代信息技术革命是资本主义金融化转型的产物,构成了一种旨在缓解资本主义内在矛盾的“技术修复”机制。信息智能技术同当代资本主义经济结构形成了紧密的耦合关系,这既导致人工智能的机器学习进路成为热门的投资领域,也决定了信息智能技术的未来发展及其限度深受金融资本逻辑的塑造。我们应当立足唯物史观,运用政治经济学批判方法,深刻把握当代技术革命对人类命运的长期影响,合理应对其带来的机遇和挑战。

关键词： 地理信息系统   大数据分析   市场营销策略   机器学习   聚类分析  

摘要： 基于人地大数据的烟草制品市场网格划分研究是一项综合地理信息系统(GIS)、大数据分析和市场营销策略的多学科交叉研究。通过整合人口相关数据、地理信息以及烟草制品市场的消费数据,利用算法进行计算分析,本文深入探讨了消费者与烟草制品市场之间的关联性,进而划分出多个具有烟草制品市场特征的网格。这一网格化方法不仅优化了烟草制品市场布局和营销策略的实施,还为合理化布局的研究与实现提供了有效的工具,显著提升了烟草制品市场覆盖率和卷烟销售效率,与此同时,这项研究对于推动烟草行业的数字化转型也具有重要意义。

关键词： 核主成分分析法   脱硫   预测模型   机器学习  

摘要： 预测脱硫系统出口SO_(2)浓度对于计算脱硫效率、提升电厂运行经济性具有重要意义。针对出口SO_(2)浓度受较多因素影响且难以准确测量的问题,提出了基于KPCA和SSA-BP神经网络的脱硫出口SO_(2)浓度预测模型。首先,利用核主元成分分析法(KPCA)计算各影响因素的贡献率,并对采集数据进行降维,提取特征信息。其次,将降维后的数据作为麻雀算法改进的BP神经网络预测模型的输入变量,对脱硫出口SO_(2)浓度进行预测。针对BP网络参数初始化的问题,引入了麻雀算法对网络权值、阈值等进行寻优,以优化预测模型性能。最后,通过电厂实测数据验证模型性能。结果表明,所提SSA-BP模型的RMSE为0.197 4,MAPE为3.053 4%,预测精度高,具有工程应用价值。

关键词： 人工智能   制造业转型升级   生产率   人力资本  

摘要： 人工智能以其独特的自主学习、智能决策与高度自动化能力为制造业转型升级提供了契机。基于2010—2022年省级面板数据考察人工智能对制造业转型升级的影响。研究发现:人工智能技术对制造业转型升级具有显著的促进作用;机制检验表明,人工智能通过提高生产率与优化人力资本结构推动制造业优化升级;区域异质性分析表明,相较于中部和西部地区,人工智能对东部地区制造业转型升级的促进作用更显著;引入政府补助作为调节变量,发现政府补助对制造业转型升级具有促进作用,但其效用有限。因此,应强化人工智能在制造业中的应用,加快推进生产率与人力资本的中介效应,同时科学设计政府补助以有效防范和化解企业在高端化升级过程中面临的风险,进而加快推进制造业转型升级。

关键词： 机器学习   运动预测   不规则波预测   船舶运动   海上平台运动  

摘要： 为研究机器学习在海上结构物运动预报的发展现状及其亟需解决的关键问题,文中对近10年来海洋工程领域针对海上结构物运动预报的研究进行了全面的论述。随着海上结构物运动预报的需求不断扩大,基于流体力学理论的传统预测方法在预报精度与预报实时性上不能同时满足实际应用需求,而机器学习方法的出现,使精确预测未来时刻的运动响应并依据该响应实现结构物的超前控制成为现实。文中基于预报方法的建模原理将其分为统计回归方法、一般神经网络方法、智能神经网络方法与混合预测方法4类,并对4类方法进行了全面的回顾、分析和综合。最后,分析了当前存在的不足与问题,并从预报方法、框架以及数据集等方面给出了未来发展方向,可为船舶、海上平台等海上结构物运动预测领域的发展提供参考。研究表明:机器学习在海上结构物运动预报领域的研究尚处于相对初始阶段,仍有许多技术难题亟需解决,但随着AI大模型的大力发展与本领域研究学者对机器学习研究的不断深入,可为本领域特色预报方法的开发提供坚实基础。

关键词： 人工智能   产学互增   增长型人才   二次循环   学科建设  

摘要： 当前社会亟需人工智能人才,而该领域知识更新快、人员淘汰率高的特点,引发高校对理论研究体系和人才培养机制的升级需求。高校作为科学理论的主要输出方,在人工智能领域,缺乏在传统数理科学领域中的前瞻性和理论上的独立性。人工智能专业出现时间较晚,课程往往由计算机科学、统计学等组合完成,系统性尚有改良空间。该文提出一种培养具有自我成长能力的人工智能人才的理念,以深圳技术大学中德联合伦琴AI班基地为依托,以“产学互增”为培养理念,通过“学科建设—企业实习评估—校内升级—求职合作—学科建设”这一闭环,完成本科生在大学和产业界“二次循环”式的成长过程。一方面培养具有成长活性的本科生,从源头上提高就业率和学生的长线竞争力;一方面建设更合理的学科平台,既能满足社会需求,又可以保证大学作为科研和教学场所的前瞻性和独立性,与产业界形成优势互补的合作,并巩固高校的理论优势。

关键词： 自动驾驶   人工智能   技术发展   产业落地  

摘要： 自动驾驶作为人工智能与交通产业深度融合的标志性领域,其发展已超越单一交通工具的自动化范畴,正深度重构全球交通产业生态,引领带动全球科技竞争新趋势。近年来,自动驾驶技术取得巨大进展,已完成从实验室验证到商业化落地的关键跃迁,在垂直领域、乘用车智驾及自动驾驶出租车等核心赛道同步突破产业化瓶颈。但现阶段在安全性、成本控制、法律规范等方面,仍面临一系列难点与挑战,需建立“数据驱动技术迭代、规模降低边际成本、商业反哺数据积累”的动态循环体系,打造进阶式示范区,设立规模化运营准入许可,建立无安全员车辆合法运营机制,加快自动驾驶法律法规体系建设,实现自动驾驶从技术突破向规模化、商业化应用跃升。

关键词： 傅里叶变换红外光谱   胰腺癌   非侵入性诊断   机器学习模型  

摘要： 目的应用傅里叶变换红外光谱(FTIR)对胰腺癌患者血清进行分析,探究与胰腺癌相关的特征性光谱参数,并评价其潜在的临床诊断价值。方法选取2022年8月~2023年7月在上海健康医学院附属崇明医院收治的100例胰腺癌患者和同期92例健康志愿者的血清样本,这些样本进行了FTIR分析和主成分分析(PCA)来评估两个队列之间的光谱差异。利用机器学习技术:支持向量机(SVM)、k-近邻(kNN)和线性判别分析(LDA)作为分类方法,进一步评估血清光谱在区分胰腺癌患者和健康个体方面的诊断潜力。采用受试者工作特征(ROC)曲线评估不同阈值下的诊断效果。结果与健康组相比,胰腺癌患者血清中1090~1070 cm^(-1)(1076.537±15.183 cm^(-1) vs 1081.061±4.043 cm^(-1)),1420~1380 cm^(-1)(1399.958±1.508 cm^(-1) vs 1400.500±1.782 cm^(-1)),2990~2950 cm^(-1)(2940.167±15.287 cm^(-1) vs 2945.124±7.498 cm^(-1))和3500~3000 cm^(-1)(3293.155±3.096 cm^(-1) vs 3294.893±2.582 cm^(-1))范围内的峰值位置出现蓝移,差异具有统计学意义(t=2.265~4.236,均P<0.05),表明蛋白质、脂质和核酸的结构发生改变。在1700~1600 cm^(-1)(0.918±0.012 cm^(-1) vs 0.858±0.021 cm^(-1))和3500~3000 cm^(-1)(0.766±0.096 cm^(-1) vs 0.804±0.090 cm^(-1))的光谱范围内,胰腺癌患者组和健康组之间的吸光度差异具有统计学意义(t=-24.031,2.830,均P<0.05),表明蛋白质浓度发生变化。PCA结果显示,PC2轴明显分离,可区分胰腺癌患者的血清样本。利用机器学习模型区分胰腺癌患者与健康对照组的血清光谱,LDA分类方法的敏感度、特异度和准确度分别为93.2%,97.3%,95.8%。根据ROC分析,确定的曲线下面积(AUC)为0.982。结论血清光谱采用FTIR,结合PCA和机器学习模型,为胰腺癌的检测提供了一种直接、微创和可靠的诊断方法。

关键词： 人工智能   企业   财务管理   智能化转型  

摘要： 随着人工智能技术在企业财务管理领域的深入应用,传统财务模式正面临前所未有的变革。财务智能化已成为新时代企业实现降本增效、提质增效的战略选择。本文分析了人工智能背景下企业财务管理转型存在的问题,提出了优化策略,以期为企业财务管理变革创新提供帮助,助推企业财务管理水平实现跨越式提升。