关键词： 航空安全   飞行员   认知负荷   机器学习   神经网络   便携式心电监测设备  

摘要： 目的 基于Su-33飞行模拟器平台采集飞行员生理数据，识别飞行员在不同飞行阶段中的认知负荷水平。方法 通过舰载机飞行任务实验，获取6名被试飞行学员在起飞爬升、巡航、进近着陆3个飞行阶段中的美国国家宇航局任务负荷指数量表和光电容积脉搏波数据。使用随机森林（RF）对心率变异性（HRV）指标进行重要性评价，并采用统计学分析比较飞行阶段的差异，最终选取最能反映认知负荷的HRV指标。使用支持向量机、K最近邻（KNN）算法、RF 3种机器学习算法，以及卷积神经网络和双向长短期记忆网络两种神经网络算法进行认知负荷识别。结果 进近着陆阶段的认知负荷水平最高，巡航阶段次之，起飞爬升阶段最低。各分类模型对认知负荷的识别效果较好，基于便携式心电设备采集数据的精度较高，其中KNN算法表现最佳，识别准确率达92.9%。结论 通过HRV指标，结合多种机器学习与神经网络算法，可以有效识别不同飞行阶段的认知负荷水平，为飞行员训练与认知评估提供了科学依据。

关键词： 信息驱动   电力系统   暂态稳定   分析器   人工智能  

摘要： 暂态稳定智能分析是大电网在线智能安全防御的重要组成部分。为提高运行环境下大电网暂态安全稳定态势智能评估与自适应防控的时效性和智能化水平，该文从信息驱动的视角，提出大电网暂态稳定智能分析器构建方案，并详细介绍所涉及的核心业务算法及电网稳定态势图谱可视化展示技术。最后，结合电网安全防控应用场景，开展相关技术测试，帮助运行人员快速、准确地掌握电网运行态势，提升大电网暂态稳定在线安全防控水平。该文工作有助于提高电网稳定态势智能评估与安全防控的时效性、灵活性和智能化水平，对促进人工智能技术在电网调控场景的探索和应用，具有积极作用。

关键词： 无线感知   人体活动识别   信道状态信息   机器学习   优化算法  

摘要： 针对人体活动识别邻域中的隐私保护性差、识别准确率低、成本高等问题，提出一种基于WiFi信号识别人体活动的方法，该方法利用人体活动对WiFi信道状态信息的影响实现非接触式的活动识别。首先，利用子载波的相关性及其对活动敏感性的差异提出一种天线-子载波选择策略，减少不敏感天线及子载波对活动识别的影响；然后，对包含活动特征的WiFi信道状态信息用Hampel滤波及小波变换去噪进行预处理，并利用滑动窗口内信号的方差变化确定活动区间，去除不含活动特征的冗余信息，再用统计特征构造用于分类的特征量；最后，利用麻雀搜索算法优化正则化学习机的参数选择过程以提高模型性能。实验结果表明该方法对拍手、前踢、深蹲、步行、弯腰、打电话、坐下、高摆手、喝水九种人体动作平均准确率可达到96%，所提出的天线-子载波选择策略将九种活动的准确率平均提高了4.56%；通过与目前先进算法和其他改进算法的对比，有效证明了所提方法的有效性。

关键词： 损伤识别   图像编码器   2d-cnn   桥梁健康监测   机器学习  

摘要： 针对传统机器学习难以处理长期监测下复杂数据的问题，提出了一种结合图像编码器和二维卷积神经网络(two-dimensional convolutional neural network，2D-CNN)智能损伤识别方法。以一座12.5m钢桁架试验桥与其相应有限元模型进行研究，使用六种图像编码器将时程位移数据转换为等大小的图像矩阵，以矩阵作为卷积神经网络(convolutional neural network，CNN)二维训练样本，得到损伤识别深度学习模型，以验证不同图像编码方式在损伤信息提取和模式识别的鲁棒性。结果表明，该方法相比传统的机器学习算法和一维CNN(one-dimensional convolutional neural network，1D-CNN)，正确率提高23.4%。经过进一步试验研究发现GAF(gramian angular field， GAF)稳定性与适用性最优，其损伤识别准确率达到100%。

关键词： 2型糖尿病   骨质疏松   人工智能   定量CT   双能X线骨密度检测  

摘要： 目的 比较人工智能（AI）定量CT辅助骨密度检测系统与双能X线骨密度检测（dualenergy X-ray absorptiometry，DXA）在糖尿病患者骨量评估中的诊断价值。方法 采用回顾性研究方法，选取 2017年1月1日—2024年5月31日在陆军军医大学第一附属医院就诊的患者，符合纳入及排除标准的2型糖尿病和非糖尿病的中老年患者共72例，使用AI测量T12-L2椎体的骨密度，使用DXA测量L1-L4骨密度，根据两种检测手段骨量评估结果，比较在糖尿病和非糖尿病，以及不同年龄与性别患者中两种检测方法对骨量正常、骨质减少和骨质疏松的诊断效能。当两种方法诊断只有一个分类差别时，称为小差异；当一种方法诊断为骨质疏松而另一种方法诊断为骨量正常时，这种差异称为大差异。以DXA结果为参考标准，绘制ROC曲线，评估AI在糖尿病和非糖尿病患者中诊断骨质疏松的准确性。结果 2型糖尿病组中AI和DXA骨质疏松和骨质减少检出率无统计学意义，非糖尿病组DXA骨质疏松检出率高于AI，差异有统计学意义。＜60岁人群DXA骨质减少检出率高于AI，差异具有统计学意义。在2型糖尿病组中，DXA和AI诊断骨质疏松的大差异、小差异和诊断一致率分别为5.5%、27.7%、63.8%；在非糖尿病组中，DXA和AI诊断骨质疏松的大差异、小差异和诊断一致率分别为5.5%、30.5%、61.1%。以DXA检测为金标准，AI定量CT辅助骨密度检测系统用于诊断骨质疏松的ROC曲线结果显示 AUC=0.661（95%CI 0.526-0.795；P=0.026）灵敏度为68.1%，特异度为64.0%。结论 AI辅助机会性CT对大于60岁的人群及2型糖尿病患者中，在不增加额外费用和放射暴露的同时可应用于临床进行骨质疏松的筛查。

关键词： 以学为主   学教融合   人工智能   智能时代  

摘要： 随着人工智能与教育的深度融合成为时代的必然趋势，新的“以学为主”课堂模式逐渐显现。在这一模式下，教师不再是单纯的知识权威，教学更加强调学生的个性化需求。然而，这也带来了双重困境：人工智能的应用可能导致对知识理解的忽视，同时教师的引导作用也可能被削弱。为了应对这些挑战，从“以学为主”到“学教融合”的转变成为一种可行的改进路径。在智能时代，教学应充分利用人工智能的优势，实现“学教融合”：在教学实施层面创建真实场景以促进知识理解；在教学设计方面搭建脚手架以支持学习进阶；在教学方法方面提供个性化指导以实现最佳发展；在教学评价中加强过程性评价以实现全面评估。这样才能确保人工智能在教育中的应用发挥其应有的作用，推动教育的全面发展。

关键词： 时空组学   时空数据库   数据存储   数据分析   人工智能  

摘要： 时空组学作为生物学和医学研究的新兴领域，推动生物信息学研究的深入和拓展。时空组学作为生物学和医学研究的新兴领域，推动生物信息学研究的深入和拓展。与传统组学技术相比，时空组学能够在单细胞和亚细胞水平上捕获生物分子分布的空间异质性，并追踪其随时间的变化过程。随着时空组学技术的快速发展，数据量指数级地增长，对时空组学数据的有效存储、管理和分析提出了更高的要求。基于时空数据库的发展，时空组学数据库的存储容量和数据读取速度在持续提升，提供了更高效的生物和医学数据的处理能力。旨在概述时空组学从早期探索到现代应用的发展历程，介绍数据库和生物信息学工具在数据整合与分析中的核心作用。深入探讨了该领域在当前研究中的前景和突破方向。特别地，关注时空组学数据库在多模式生物数据的采集、处理和存储等关键技术，以及如何将当前最新人工智能和大数据技术与时空组学技术相结合。最后，对时空组学技术及其在数据库中应用的未来研究进行展望。

关键词： 中医体质   深度学习   GCN   准确度   机器学习  

摘要： 根据中医相关理论，不同体质的人，其气、血、津液等方面存在差异，这会影响其健康和疾病表现。近年来，尽管基于中医体质辨识的研究已有了突破性进展，但依然面临着很多挑战。本文提出了一种基于面部特征的中医体质辨识模型，结合了数据扩增和图卷积神经网络模型，解决了数据集不足和机器学习模型辨识能力较差的问题。首先使用数据扩增技术对获取的图像数据进行数据集扩增，从而提高模型训练的泛化能力和稳定性，再将这些图像进行分割构造适用于图卷积神经网络模型的图结构，最后送到Softmax分类器中进行分类。实验结果显示，本文提出的模型的体质辨识模型准确率、召回率、F1值分别达到77.97%、78.98%、77.87%，效果优于经典的机器学习体质辨识模型。

关键词： 富钴结壳   战略性矿产资源   资源评价   三维实体模型   机器学习  

摘要： 产出于深海海山、海脊以及海底高原侧面、顶部的富钴结壳，其水深大多在500～3 500 m，除超常富集Co、Mn、Ni等新一代新兴产业的关键金属，还富含稀土（REE）和铂族元素（PGE）等稀有金属。从20世纪70年代以来，我国对深海富钴结壳资源分布特征、控矿因素及其形成机制等进行了深入研究。并先后利用算术平均法、邻近区域法、地质块段法、克立金法（地质统计学）、网格剖分积分法和分形理论法等，开展了富钴结壳资源评价以及资源量的评估，以支撑我国与国际海底管理局2014年签订的富钴结壳勘探合同区的区域放弃工作。本文对目前富钴结壳资源评价方法进行了系统梳理，深入探讨了富钴结壳资源评价的主要方法及优缺点，并根据重要性划分了富钴结壳资源评价参数级别。此外，提出利用大数据和人工智能技术构建深海结壳矿床的三维实体模型，利用机器学习等先进技术进行多元地学信息的富钴结壳资源智能评价。

关键词： 加速度   脑氧饱和度   加速度致意识丧失预警算法   机器学习  

摘要： 目的基于脑氧饱和度，针对不同加速度暴露模式下飞行员的加速度致意识丧失（G-LOC）状态进行预警。方法 选取33名志愿者进行载人离心机训练，施加不同的加速度暴露模式，并完成脑氧饱和度等生理指标的测量，建立超限学习机模型（ELM）对G-LOC状态进行预测。结果 所建立的G-LOC预警模型在载人离心机训练的试验数据上表现较好，平均准确率为93.61%，几何平均数为0.9637，真阳性率为99.45%，真阴性率为93.51%。结论 本研究所建立的基于脑氧饱和度的ELM模型可以有效预测G-LOC临界昏厥状态。未来可以在扩大样本数据量，结合飞行训练与作战实际的基础上，进一步完善基于脑氧饱和度的G-LOC预警机制的构建。