关键词： 增材制造   激光技术   机器学习   材料性能优化   缺陷检测  

摘要： 激光增材制造技术可以快速制造出形状结构复杂且尺寸精度高的零件，被广泛应用于汽车、航空航天和医疗器械等领域。在激光增材制造过程中，为了得到性能更佳的合金和适用于不同材料的工艺参数，需要进行大量的反复试验，耗时且成本较高。机器学习通过输入试验数据和采用特定的算法，建立起能泛化的模型并通过自我更新和优化来不断提高结果的准确性，可以有效预测增材制造材料的成分、性能和缺陷，在高性能辅助材料开发方面具有广阔的发展前景。从上述三方面总结了近年来机器学习在激光增材制造中的应用实例，并提出了其未来发展的趋势及应用方向。

关键词： 人工智能   工业机器人   战略性新兴企业   企业进入   数字经济  

摘要： 互联网、大数据和智能技术的发展拓展了人工智能的应用场景，催生了新行业和新兴消费市场，为新兴企业进入提供便利。基于2010～2022年中国城市层面数据探讨人工智能对战略性新兴企业进入的影响。研究发现，人工智能应用有利于新兴企业的进入。人工智能发展有利于相关技术的攻关和突破，汇集高素质和高技能型人才，提高城市技术集聚水平，产生较强的外部性，有利于新兴企业的涌现。此外，人工智能应用的积极作用主要集中在东部地区和中心城市，以及数字经济发展水平高、市场化程度高的地区。同时，数字经济发展和市场化水平提高会促使人工智能应用形成边际报酬递增的非线性影响。经济后果检验发现，工业机器人的应用对经济社会的影响不仅在于新兴市场进入，还会影响社会整体创业氛围，对经济高质量发展有明显促进作用。

关键词： 布尔可满足性问题   消息传递神经网络   图神经网络   机器学习   人工智能  

摘要： 为优化端到端神经布尔可满足性问题(SAT)求解器的消息传递网络结构、减少求解过程中的迭代次数并提升求解器性能，提出一种新型的更多更深的消息传递网络（MDMPN）。该网络通过引入整体消息传递模块，在每次消息传递迭代中实现从文字节点到子句节点的额外的整体消息传递，以传递更多的消息。同时，通过引入消息跳跃模块，实现从文字节点到它的二阶邻居的消息传递，从而传递更深的消息。为了评估MDMPN的性能与泛化能力，将它应用于目前先进的神经SAT求解器QuerySAT和基础神经求解器NeuroSAT。实验结果表明，在困难随机3-SAT数据集上，应用MDMPN的QuerySAT求解性能优于标准的QuerySAT，在求解包含600个变量的困难3-SAT问题上准确率提高了46.12个百分点。应用MDMPN的NeuroSAT也优于标准的NeuroSAT，在求解包含600个变量的困难3-SAT问题上准确率提高了35.69个百分点。

关键词： 量子蒙特卡罗   关联电子系统   温稠密物质   符号问题   机器学习  

摘要： 对量子蒙特卡罗方法的发展历程和几类典型的量子蒙特卡罗方法进行了详细介绍.总结分析了其在凝聚态物质系统的输运、磁性、超导和热力学性质等方面的研究成果,以及在温稠密物质方面的最新研究进展.最后对量子蒙特卡罗方法的发展前景进行展望.

关键词： 边坡工程   滑坡易发性   不完整滑坡编录   机器学习   SBAS-InSAR  

摘要： 滑坡样本数据是构建易发性模型的基础，而滑坡样本缺失会影响易发性建模和预测结果的准确性。为了揭示滑坡样本缺失下易发性规律及提出潜在滑坡识别方法，以江西省寻乌县为例，基于野外地质调查的滑坡编录数据(假设为理想工况)，通过随机均匀选取并剔除10%,20%,30%,40%,50%比例和研究区南部的滑坡样本模拟不同滑坡样本缺失工况及聚集性缺失工况，分别选取随机森林和支持向量机模型构建不同滑坡样本缺失工况易发性模型，分析滑坡样本缺失对易发性预测结果的影响规律。同时，结合SBAS-InSAR技术和易发性预测结果构建易发性-InSAR多源信息法，进行滑坡样本缺失地区潜在滑坡识别。最后，在滑坡样本聚集性缺失工况的基础上，将识别的潜在滑坡作为扩充样本构建滑坡易发性模型，并进行精度评价。结果表明：(1)滑坡样本缺失的比例越大则滑坡易发性评价结果的不确定性就越强，且聚集性缺失工况下的滑坡易发性预测精度下降明显；(2)易发性-InSAR多源信息法可以准确识别潜在滑坡，为滑坡样本缺失地区扩充滑坡样本提供有效方法；(3)相较于滑坡样本聚集性缺失的工况，滑坡样本扩充工况下的滑坡易发性结果具有更高的精度和更低的不确定性，表明潜在滑坡识别可有效改善滑坡聚集性缺失这一严肃问题。

关键词： 机器学习   机械自动化   设备检测   故障诊断  

摘要： 机器学习在设备状态监测、工艺优化、机器人控制和生产调度方面具有显著优势,当前在机械自动化领域得到了广泛应用.然而,在实践中,该技术在数据质量、标注成本、模型复杂性和实时性、算法性能和鲁棒性等方面存在许多挑战.基于此,本文提出了提高数据质量、简化模型结构、优化算法性能以及提高系统鲁棒性等一系列策略,以确保机器学习技术在机械自动化领域中能够得到有效应用.

关键词： 特征提取   机器学习   神经网络   预测  

摘要： 光伏功率预测对电力系统的调度和运行具有重要意义。针对辐照度预报存在偏差以及单一模型预测精度不高而导致的光伏功率预测效果较差的问题，提出一种基于斜面辐照度机理模型的类别型梯度提升（Category Boosting，CatBoost）算法和具有多头注意力的双向门控循环单元（Bidirectional gated recurrent unit with multi-head attention，BiGRUM）网络的组合模型进行光伏功率预测。首先，将天气预报模型预测的全球水平总辐照度（global horizontal irradiance，GHI）通过斜面辐照度机理模型修正为光伏板上的斜面辐照度（Global tilted irradiance，GTI），同时通过物理方法计算光伏板倾斜面上直接辐照度和散射辐照度修正因子，进一步修正辐照度。然后，根据所有特征对输出功率的贡献大小筛选出重要特征作为组合预测模型的输入。最后，利用光伏电站的真实运行数据对所提方法进行对比实验。在总体性能结果显示，与其他方法相比，所提方法MAE指标至少降低15.56%，RMSE指标至少降低14.67%。

关键词： 智能场景   智慧城市   概念   物联网   人工智能  

摘要： 随着智慧城市建设加速落地实施，城市各类空间场景的智能化将成为城市真正落实智慧愿景的重要趋势和关键抓手。以全球近10年246项城市场景智能化项目为样本，全面剖析当前各国智能场景实践探索的发展现状。结合文献理论研究，提出城市智能场景的概念定义，总结智能场景具有“技术赋能”与“空间载体”两大特征。详细解读智能场景规划设计四大关键要素“全面感知、精准判断、恰当反应、学习优化”，探讨具有可操作性的城市空间场景智能化路径，以期为全面推动智能场景的实践落地提供全新的理论视角和实践路径支撑。

关键词： 影像组学   肺癌   肿瘤分期   机器学习   预测模型  

摘要： 目的：探讨CT影像组学机器学习分类模型对非小细胞肺癌患者分期进行预测的价值。方法：从癌症影像数据库（TCIA）下载lung1数据集，选用符合条件的291例非小细胞肺癌患者的数据并将其分为两组，1组（Ⅰ、Ⅱ期）和2组（Ⅲ期、Ⅳ期）。从每个肿瘤病灶分别提取1 037个影像组学特征，运用t检验、最小绝对收缩和选择算子（LASSO）算法进行特征筛选。病灶的CT形态学特征通过t检验和卡方检验进行筛选。采用Logistic回归、随机森林、高斯朴素贝叶斯、支持向量机、AdaBoost等5种机器学习分类器进行模型训练并建立预测模型，用受试者工作特征曲线（ROC）来评价这些预测模型的效能并选出最优模型。最后使用在本院收集的91例患者数据进行外部验证。结果：本研究在特征筛选后，得到13个具有较高诊断价值的影像组学特征用于后续建立NSCLC患者分期预测模型。在5种机器学习分类模型中，随机森林分类预测模型是最佳模型，运用此模型的验证集AUC值最高，为0.740。经过外部验证，该模型在训练集AUC值为1.000，敏感度为1.000，特异度为1.000；测试集AUC值为0.698，敏感度为0.873，特异度为0.500。病例的CT形态学特征里面，除了病灶大小之外，其它特征在不同分期患者的差异无统计学意义。结论：CT影像组学机器学习分类模型对NSCLC患者的分期有一定的预测能力。

关键词： 人工智能   地质矿产资源评价   系统设计   实现  

摘要： 随着科技的不断进步，人工智能技术在地质矿产资源评价领域的应用日益广泛。本文详细阐述了人工智能辅助的地质矿产资源评价系统的设计与实现。首先分析了传统地质矿产资源评价方法的局限性，引出人工智能技术在该领域的优势。接着从系统需求分析、总体设计、功能模块设计、数据库设计等方面进行了全面论述。重点介绍了人工智能算法在地质数据处理、矿产资源预测、评价结果解释等环节的应用。