关键词： 人工智能   高校   思想政治教育   教育模式   资源共享  

摘要： 随着人工智能在高校网络教育中应用的日益深入,思想政治教育改变了传统教育模式。本研究通过剖析人工智能赋能思想政治教育的现状,探讨了人工智能如何推动教育模式创新、资源共享、精准评估等方面的变革。针对当前高校网络思想政治教育面临的挑战,提出了加强教育者的技术培训、优化教育资源的均衡配置、创新教育内容与教学方法、构建完善的数据安全与隐私保护体系等对策,旨在提升高校思想政治教育的质量与效率,推动思想政治教育的智能化转型。

关键词： 肺癌   人工智能   精准医学   深度学习  

摘要： 肺癌是全球范围内发病率和死亡率最高的恶性肿瘤。2022年中国癌症统计数据显示,我国肺癌新发病例高达106.06万例,死亡病例73.33万例,分别占全部恶性肿瘤的22.0%和28.5%。随着低剂量胸部CT筛查的普及,影像学手段在肺癌早期精准诊断和个体化治疗中的作用日益重要。近年来,人工智能技术在医学影像领域取得突破性进展,其在肺癌诊疗中的应用价值不断提升。该文系统综述了人工智能影像技术在肺癌筛查、诊断、治疗决策和预后评估中的应用现状,旨在阐明人工智能影像方法在肺癌诊疗中的临床价值,为肺癌患者的精准治疗提供更可靠的依据,并对未来发展方向进行展望。

关键词： 人工智能   传感器结构设计   多目标优化   自适应调整  

摘要： 随着物联网、大数据及智能制造的兴起,传感器作为信息采集的关键组件,其结构设计面临着性能提升与多功能集成的压力。传统设计方法已显不足,而人工智能技术给传感器结构设计带来了革新机遇,特别是机器学习与深度学习。运用智能算法优化结构参数及材料选择,不仅有望提升传感器的灵敏度和稳定性,还能推动设计过程向自动化、智能化方向演进。探讨人工智能在传感器结构设计中的创新应用和优化策略,旨在提升传感器整体性能。

关键词： 人工智能   数据处理   个人信息保护   欧美数据保护规制  

摘要： 使用个人数据来开发和更新生成式人工智能模型可能会通过泄露个人数据、潜在歧视、产生虚假消息对用户或第三人造成伤害。随着用户数量的快速增长、生成式人工智能开发和使用的日益增加,网络效应日益凸显,用户和服务提供商都能从指数级扩大的网络规模中获益,这些生成式模型很快便在医学、营销、娱乐业、银行金融业中站稳了脚跟。然而正是随着其规模的扩大,将更加引发消费者和政府对于数据侵害的担忧。尽管,近年来由于信息技术的飞速发展引起了数据领域的重大立法改革,但日新月异的技术创新给各方都带来了新的挑战,解决的方向则需要从规制和技术两个方面共同入手。

关键词： 智能制造   全面预算管理   创新路径   预算编制   信息化建设  

摘要： 智能制造作为当今工业发展的核心趋势,正在改变企业的生产方式、管理模式及战略布局。随着智能制造技术的不断发展,企业在全面预算管理方面面临新挑战。传统的预算管理方法已经难以适应智能制造带来的快速变化与复杂性。基于此,文章分析了智能制造环境下企业全面预算管理面临的主要问题,揭示了传统预算管理的不足,并提出了相应的创新路径。通过运用大数据、人工智能和云计算等技术,优化预算编制、执行及战略协同过程,有效提升企业预算管理的效率与精准度,促进资源配置优化并加快战略目标实现,为企业的长期可持续发展提供支持,进一步推动其核心竞争力的提升。

关键词： 人工智能   政策文本   政策工具—执行主体—政策目标”框架   灰色关联度分析   政策协同  

摘要： 人工智能政策对推动技术创新与产业发展具有关键作用,系统探究其协同性特征可为政策优化提供科学依据,从而更高效地引导技术突破、促进产业升级与加强风险治理。从政策工具、执行主体、政策目标等3个维度出发,采用内容分析法与灰色关联度模型,对2017—2024年我国发布的112份中央及地方人工智能政策文本进行量化分析。研究发现:政策工具以供给型为主,需求型与环境型工具应用不足;执行主体以企业、高校院所和政府为主,公众参与度低,且企业存在“选择性协同”现象;政策目标过度聚焦短期的应用场景拓展,对治理体系构建与创新平台支撑等战略性长期目标关注不足。针对结构性失衡问题,提出优化政策工具组合、强化多元主体协同、平衡短期应用与长期风险治理等建议,以提升政策协同效能,增强国际竞争力。

关键词： 无创参数   机器学习   死亡事件预测   动态预警  

摘要： 为实现基于无创生理参数的重症患者死亡事件动态预警,从eICU合作研究数据库中提取了4738名成年患者的30个参数,经过独热编码、采样率一致性处理和数据插补等预处理后,作为LigthGBM模型输入并训练模型;在学习窗口与预测窗口之间加入前瞻窗口,为医生决策提供宝贵时间,并采用10折交叉验证方法优化模型参数,以构建最佳死亡事件动态预警模型。研究结果表明:所构建模型预测准确率为0.852,ROC曲线下的面积为0.875;该模型预测性能与学习窗口呈正相关,与前瞻窗口呈负相关;基于连续无创参数的死亡事件动态预警模型可实现对重症患者死亡事件的及时发现,避免了传统方法对实验室参数的依赖,为患者救治策略的制定争取了宝贵的前瞻时间,大大提高了医务人员的工作效率和患者的救治效果。

关键词： 新一代信息技术   社会发展   人工智能  

摘要： 当前,以人工智能为代表的新一代信息技术加速突破应用,在为新质生产力注入新动能并促进经济高质量发展的同时,不断重塑社会关系、改变人们生产生活方式、推动社会变革,进而为法治建设带来新的复杂课题和重大挑战。这对学术研究既提出了新的艰巨任务,又带来了难得的时代机遇。以人工智能技术研发及相关产业发展实践为基础,以跨学科的视角围绕人工智能和社会发展的辩证关系展开严谨的学术研究,凝练新概念新范畴新命题,促进理论创新并为解决技术发展和应用过程中出现的复杂问题提供全面系统的解决方案,已经成为学术界不可推卸的历史责任。

关键词： RMAPS-CA V1.0   机器学习   订正模型   气温预报   风速预报  

摘要： 运用支持向量机(SVM)、梯度提升回归(GBR)和随机森林(RDF)3种机器学习订正算法,对中亚区域快速更新多尺度分析和预报系统(RMAPS-CA)在瓜达尔港的气温与风速预报(2020年6月1日—2021年9月30日)进行模型训练及订正。结果表明:00:00和12:00 UTC起报的气温和10 m风速,气温表现为3种算法预报结果的均方根误差均减少了54%以上,相关系数提高到0.85以上;10 m风速表现为3种算法预报结果的均方根误差均减少了63%以上,相关系数提高到0.68以上。RDF算法对近地面气温预报的订正效果最好,GBR算法对10 m风速预报的订正效果最好。

关键词： 联邦学习   深度学习   通信效率   隐私保护   机器学习  

摘要： 联邦学习作为一个分布式机器学习框架,解决了数据孤岛问题,对个人及企业的隐私保护起到了重要作用。然而,由于联邦学习的特点,效率问题(尤其是高昂的成本)仍旧是目前急需解决的,这一现状仍不尽如人意。因此,全面调研并总结当前主流的关于联邦学习高效性的研究。首先,回顾高效联邦学习的背景,包括它的由来以及核心思想,并解释联邦学习的概念和分类;其次,论述基于联邦学习而产生的高效性问题,并将它们分为异构性问题、个性化问题和通信代价问题;再次,在此基础上详细分析并论述高效性问题的解决方案,并将高效联邦学习研究分为模型压缩优化方法以及通信优化方法这2个类别后进行调研;继次,通过对比分析,总结各联邦学习方法的优缺点,并阐述目前高效联邦学习中仍存在的挑战;最后,给出高效联邦学习领域未来的研究方向。