关键词： 智能决策   经验知识   案例推理   机器学习  

摘要： 在绿色建筑设计中,传统节能方案的选择依赖设计师经验,难以考量技术、成本等多维因素,决策效率受限。该文提出基于经验知识的建筑节能方案智能决策模型。通过构建含有147个绿色星级认证建筑的案例库,利用案例推理方法,根据初步设计已知属性计算余弦相似度进行相似案例检索,为目标案例提供技术方案参考;通过比较分析4种机器学习算法,以确定的技术方案为输入参数,建立基于机器学习算法的增量成本预测模型;以夏热冬冷地区建筑为例对所构建的模型进行有效性验证。结果表明:基于案例推理的建筑节能方案智能决策模型可找到最相似案例并重用其技术方案,提高了决策效率;基于极端梯度提升算法的增量成本预测模型的预测准确率最高,为72.41%。该研究所构建的智能决策模型可提高建筑节能方案的科学性与决策效率,为绿色建筑设计提供重要支持。

关键词： 兵棋推演   特征表达   态势认知   机器学习   数据集  

摘要： 当前兵棋推演态势分析困难，为了满足态势认知智能化需求，本文提出一种面向兵棋推演战场态势认知的机器学习数据集规范化构建方法。以陆军战术兵棋推演为研究对象，基于特征工程分析了其战场态势关键要素，提出一种分层栅格化的战场态势特征表达模型。采用等间隔时间关联模式对兵棋推演过程数据进行滑动切片、映射变换，解决了兵棋数据结构不统一、特征标签不均衡以及数据变换保真困难等问题，实现了样本的自动收集与存储。构建并公开了包含26万个样本的数据集MCD-SC，实验表明采用本文映射模型构建的数据集主观色彩少，数据保真效果好，数据集采集过程自动且高效，数据集一致性好。

关键词： 随机森林   对抗训练   鲁棒性   机器学习  

摘要： 近年来，可解释的树模型在对抗性攻击下的鲁棒性受到极大关注。尽管已经取得了显著的进展，但仍存在着一些问题。树模型的鲁棒训练算法虽然有效提升了模型鲁棒性，但同时伴随着训练成本的增加以及自然准确率的下降，呈现出与对抗性训练相似的局限性。为了解决这一挑战，针对随机森林模型进行实验和分析，提出一种基于分层和随机策略的鲁棒随机森林算法，该算法使用高斯衰减函数根据树的深度分层衰减分割算法中引入的扰动值，逐层递减扰动带来的负面影响，并引入基于伯努利分布的随机策略控制森林中树的划分过程，以协调模型在自然场景和对抗性攻击下的性能。旨在找到一种平衡策略，既能提升模型在面对对抗性攻击时的鲁棒性，并维持其在标准数据集上的高性能表现。在真实世界数据集上的大量实验表明，提出的算法能够在确保模型具备一定的鲁棒性的同时，显著减轻由鲁棒训练导致的准确率损失，提高模型的泛化能力。

关键词： 糖尿病肾病   机器学习   预测分析   比较研究  

摘要： 目的 分析比较基于机器学习的LightGBM和随机森林模型在糖尿病患者糖尿病肾病（DN）疾病风险预测模型中的应用。方法 利用国家人口健康科学数据中心公共数据集，应用LightGBM和随机森林两种算法建立DN疾病风险预测模型并进行分析比较研究。结果 LightGBM预测模型的准确度、AUC、召回率、精确度和F1得分分别为0.775 0、0.807 1、0.596 3、0.878 0、0.710 2，均高于随机森林模型。结论 基于机器学习的LightGBM和随机森林模型对DN具有较好的预测效果。LightGBM的准确度、AUC、精确度、召回率、F1得分均更高。临床实践中，可以运用机器学习为相关研究提供参考。

关键词： eVTOL   能量吸收   适坠性   机器学习   离轴坠撞  

摘要： 电动垂直起降飞行器（eVTOL）可以在城市内提供便捷的点对点飞行，有望革命性地改变城市居民的出行方式。然而与常规飞机相比，它在耐撞性设计方面存在诸多新挑战。对此，本研究对滑橇式起落架和吸能元件进行了适坠性优化设计，并将其应用于整机适坠性分析。同时，开展了多角度、多速度的离轴坠撞仿真研究。鉴于坠撞仿真耗时多、不利于优化设计的问题，还提出了使用机器学习技术预测滑橇式起落架应力、吸能元件吸能效率的方法，并且开发了与遗传算法相结合的优化方法。本研究大幅提高了滑橇式起落架、吸能元件、以及eVTOL整机的适坠性能，初步掌握了各离轴坠撞参数对乘员安全的威胁程度，并能在误差可接受范围内实时预测滑橇式起落架应力和吸能元件的吸能效率。

关键词： 质量管控   价值驱动   复杂产品   智能制造  

摘要： 针对复杂产品在协同质量管控模式下，由于经济利益不同，参与企业无法形成统一的价值取向，难以实现全价值链价值最大化的问题，提出用协同质量价值来分析协同质量管控过程，表征价值流中企业间复杂多维的价值关系，发掘企业参与协同质量价值创造过程的动因，揭示价值创造过程中价值关系的作用机理。研究价值网络的可控性，识别影响价值网络的关键协同企业群体，设计基于价值关系调节的价值驱动机制。通过价值关系调节影响企业对协同质量价值的感知，驱动各参与企业自主提高质量努力程度和成本投入，在确保质量目标达成情况下实现全价值链价值最大化。

关键词： 智慧医疗   人工智能   大型语言模型   数据隐私保护   数据安全  

摘要： 随着人工智能技术的快速发展，智慧医疗已成为提高医疗质量和服务效率的关键途径。系统性搜集、筛选和综合分析近年来发表的相关研究文献，深入剖析人工智能在智慧医疗领域的技术应用、现存挑战以及其未来的发展方向。研究发现，虽然人工智能在提高疾病诊断准确性、治疗效率和改善患者管理方面展示出巨大潜力，但仍面临数据隐私保护、跨平台数据整合以及医疗专业人员对新技术的接受度等挑战。人工智能在医疗行业的进一步发展需依赖于政策规划者、技术开发者与医疗服务提供者的紧密协同，同时需充分考虑法律伦理。未来研究应聚焦于相关技术的持续优化与创新，尤其是保障数据安全与促进跨领域合作方面。

关键词： 人工智能   通信扩展定义   语义   语用   差异化编码  

摘要： 人工智能的快速发展为Weaver与Shannon所设想的通信扩展定义提供了技术实现基础。基于该通信扩展定义，提出了语义通信三层架构，将语义信息真正融入通信系统设计。发送端可以根据信息的语义重要性进行差异化编码和传输，接收端能够恢复发送端传输数据的语义，并根据语义重要性完成通信的语用目的。进一步地，基于深度学习实现的语义通信三层架构，优化了信息传递的有效性和可靠性，可以更好地满足未来6G新兴应用场景，符合国家战略发展需求。研究了语义通信三层架构搭建方法，系统总结了其中需要面对的挑战与需要实现的关键技术，并探讨了其在物联网、人机交互和智能制造中的广泛应用前景。

关键词： 矿井地质   人工智能   地质保障   技术体系   人才队伍  

摘要： 面临碳达峰碳中和(“双碳”)目标的严峻挑战，煤矿智能化是新时期煤炭产业高质量可持续发展的必由之路和重要标志。矿井地质工作为地下煤矿开采提供地质基础和保障，在煤炭产业转型升级高质量发展中的重要性将日益增强。通过“矿井地质+人工智能”，构建“矿井开采智能地质保障技术体系”，为矿井安全高效绿色智能开采提供全方位和全过程地质保障，是新时期矿井地质工作契合煤矿智能化建设目标的发展方向与必然趋势，必将成为助推矿井地质工作提质增效的新质生产力。在探讨矿井开采智能地质保障技术体系科学内涵的基础上，初步搭建了矿井开采智能地质保障技术体系架构，并对构成该技术体系的5个子体系：基础地测信息智能化管理、矿井地质灾害的智能化预测预警、矿区生态环境的智能化监测预测预警、开采有利区块的智能化辨识、透明工作面子体系，及其核心工作模块进行系统梳理。同时特别强调，在地质探测、检测技术手段不断进步的前提下，矿井开采智能地质保障技术体系的有效性取决于原始数据的准确性和可靠性，归根结底取决于地测人员的数量和专业素养，呼吁进一步加强矿井地质专业人才的引进与培养。

关键词： 物联网   课程体系   人工智能   高职教育   人才培养   职业能力  

摘要： 人工智能时代，学生可以通过多样化的学习方式灵活获取知识，不再局限于传统的课堂教育，要有效应对人工智能给高校教育带来的挑战，高校需要在课程内容设置和教学方式上进行深度调整和创新。为此，考察了ABET学生成果要求，提出了高职物联网专业课程体系建设的思路和目标。通过分析珠三角地区物联网岗位需求规划了课程体系，强调课程内容应围绕实践性和应用性展开，注重基础理论与市场前沿技术的结合，同时教学方式应注重互动性，以提高课程吸引力，更好地适应人工智能时代对高职教育提出的挑战。