关键词： 人工智能   网络安全   威胁检测   防御策略  

摘要： 为了解决传统网络安全防御手段难以应对智能化攻击的问题,本文提出了基于人工智能的威胁检测与防御策略,对人工智能驱动的网络安全威胁检测和利用防御策略提升网络安全防护能力进行了分析,内容包括机器学习在异常流量检测中的应用和端点检测与智能预警系统的构建,并建立了自适应智能安全防护系统,自动化威胁响应与修复机制以及基于零信任架构的动态访问控制策略。结果表明:人工智能技术不仅能提高网络安全威胁检测精准度,还能增强其安全防御水平。

关键词： 公路工程   成本预测   人工智能   预测模型  

摘要： 人工智能技术在成本预测领域展现出重要应用价值。研究基于机器学习与深度学习的混合预测模型,通过对历史工程数据的深度挖掘,构建了一个适用于公路工程成本预测的智能系统。预测框架采用多层级架构设计,融合随机森林与长短期记忆(Long Short-Term Memory,LSTM)深度神经网络,实现对工程造价的动态预测。系统在数据预处理、特征工程及模型训练等环节引入多项技术创新,显著提升了预测精度。系统的部署应用推动了工程造价管理向数字化与智能化方向发展,为工程投资决策提供了可靠的技术支持。

关键词： 人工智能   分类系统   TabNet   毒蘑菇   气味   在线系统  

摘要： 蘑菇中毒是食品安全领域的重要挑战之一。传统识别方法依赖专家经验或复杂化学分析,效率和准确性受限。本研究引入TabNet模型,利用其自适应特征选择和端到端训练优势,基于加利福尼亚大学欧文分校(University of California,Irvine ,UCI)公开的蘑菇数据集,构建并训练了TabNet模型,通过对比分析不同模型的准确率,发现TabNet模型的分类准确率最优秀,优于支持向量机和逻辑回归模型。同时,特征分析进一步揭示气味是较高区分度的参考值,结合孢子印花颜色等特征共同提升了毒性判别的准确性。此外,本文开发了一个基于TabNet的在线毒性检测系统,使得用户输入特征即可实现毒性判别的无缝衔接,实现了实时毒性判别。系统利用模型实际验证了多种蘑菇,准确率均超98%,展现了模型对不同地区蘑菇毒性的广泛适用性。该系统能够快速、准确地分析并报告蘑菇的毒性状况,进一步提升了模型的实际应用价值。

关键词： 人工智能素养   人工智能   评估框架   技术应用能力评估   数字伦理  

摘要： 近年来,人工智能素养评估在全球范围内受到广泛关注。研究者采用系统性综述方法,对2020年1月至2025年5月发表于SSCI和SCI收录期刊的21篇关于AI素养评估的实证研究进行分析。结果表明,国外AI素养评估研究呈现多样化、系统化的特点:评估方法多样性,包括问卷、量表、测试工具、教育项目等;研究对象全面覆盖,包括一般公众、教师到各教育阶段的学生群体;核心评估维度聚焦,主要集中于伦理意识、技术应用能力、知识理解能力和批判性评价能力四个核心维度。针对现有研究存在的评估标准不统一、实践导向评估不足、标准适用性不强等问题,提出以下建议:构建契合我国教育政策与文化背景的本土化AI素养评估框架;强化实践导向的评估工具开发,注重项目式学习与实际应用能力评估;设计差异化的评估工具,以适应不同教育对象的需求;探索跨学科融合的评估模式,推动学科间的知识结合;推动国际合作与标准化建设,积极参与全球AI教育和素养评估标准的制定。

关键词： 水文模型   模块化   灵活架构   机器学习   模型优化  

摘要： 水文模型拆分组配与协同优化是水文建模有效的技术手段。基于文献聚类分析,结合文献计量数据与聚类结果,对水文模型的模块拆分、组合及优化方法进行了评述,总结了水文模型模块化设计、框架模型构建及多模型间误差传递等方面的关键研究进展,展望了水文多模型灵活组配与协同优化的研究方向。指出传统水文模型的构建方法通常缺乏必要的灵活性和可移植性,模块化设计的理念和机器学习等前沿技术的融合为水文模型的未来发展开辟了广阔的视野,这将为应对现代水文学面临的复杂挑战提供有力工具。

关键词： 人工智能   医学行业期刊编辑   核心素养   机遇与挑战   编辑转型  

摘要： 人工智能(AI)技术的迅猛发展正深刻重塑着医学行业期刊编辑的工作模式与核心素养框架。本文全面审视了AI技术在医学行业期刊编辑领域的广泛应用,深入剖析了其对编辑工作流程、专业能力要求及伦理规范的深远影响,探讨了医学行业期刊编辑在AI浪潮下面临的诸多机遇与严峻挑战,并提出了核心素养重构的具体路径与未来发展方向,旨在为医学行业期刊编辑的职业成长提供有力指导。

关键词： 中药二次开发机器学习   真实世界   机器学习   方法学  

摘要： 本文探讨了机器学习技术在中药二次开发的真实世界研究中的作用。中药二次开发,即药物重定位,作为一种创新药物研发方式,与中医异病同治思维相契合,但利用真实世界数据支持中药重定位研究面临诸多挑战。在真实世界研究方案设计与实施阶段,机器学习技术能够高效筛选研究对象、提高研究对象依从性、改善多源异构数据的采集效率和数据质量。在真实世界数据分析阶段,机器学习技术能够处理不同模态数据的特征提取、数据缺失和统计分析,促进真实世界证据的生成。因此,机器学习有望显著推动中药适应症重定位研究,实现从传统经验到数据驱动的转变。

关键词： 人工智能   数字化转型   教学知识   跨学科教学   教师角色  

摘要： 数智时代愈加深化的跨学科教学知识变革为教师角色重塑带来新契机,为其更好地实现跨学科教学提供了理想的问题域和资源库。数智时代跨学科教学知识呈现整体性、自动化、生成性特征,衍生出知行合一、人机一体、虚实融合等新知识形态。教师角色从传统知识传授者向知识整合创新者、知识引导评估者和知识传播共享者转变。为此,探索整合生成式人工智能的跨学科教学知识生态,开发自动化教学知识智能体,构建虚实融合的教学知识空间,有望为教师角色赋能奠定新知识论基础,提供跨学科教学知识结构支撑。

关键词： 人工智能   大学生   心理健康教育  

摘要： 当前人工智能技术发展迅速,且在教育行业中的运用越来越普遍和深入。大学生心理健康教育作为高等教育的关键,正面临人工智能带来的挑战。文章通过探讨人工智能在大学生心理健康教育领域的应用现状和人工智能驱动大学生心理健康教育面临的挑战,并在此基础上提出人工智能驱动大学生心理健康教育的策略。高校要强化心理健康教育主体对技术应用的重视,整合技术开发资源,优化技术应用方式,同时加强专业人才培养。

关键词： KNN算法   区域气象站   电源故障   预测模型   机器学习  

摘要： 电源故障已成为影响区域气象站数据及时性和完整性的主要原因。为降低维护成本并提高故障预测的准确率,提出基于K-最近邻(K-NearestNeighbor,KNN)算法的电源故障预测模型。利用渭南市2019年11月至2022年5月85个因电源系统故障导致的区域气象站报文缺测记录,提取每例故障发生前10d回传电压数据标记为“故障”样本,再随机选取该时段内335条无电源异常的连续10d的逐小时电压数据标记为“正常”样本,共计420条数据作为训练与测试样本。计算每条数据的统计学特征并归一化处理后再优选特征子集,最后训练并评估KNN分类器。试验结果表明,所构建的KNN模型准确率(Accuracy)为0.95、精确率(Precision)为0.95、召回率(Recall)为0.81、F1-score为0.88、AUC值为0.90。2022年9月至12月的实际应用结果显示,该模型成功地提前标记了所有故障实例(漏报率为0),但在连续低温寡照的天气条件下,该模型显示出较高的误报率。该方法对于提高电源故障预判能力具有一定的应用价值,也为后续进一步结合天气要素、站点环境等多源信息建立精细化模型提供了参考。