关键词： 人工智能   高校   国家安全   教育困境   路径  

摘要： 高校国家安全教育是国家安全建设的重要组成部分,是落实新时代国家安全战略的必然举措。人工智能的发展正在全方位影响高校国家安全教育生态。人工智能赋能提升高校国家安全教育水平,体现在助力国家安全教育现代化转型、提供国际化视野和构建智能化体系方面。目前,高校国家安全教育面临课堂内容单调,实践形式单一,主体观念薄弱和传播媒介多元等问题。人工智能时代下,高校国家安全教育需要多维度着力,优化国家安全教育路径,提高育人实效。

关键词： 机器学习   审计风险评估   财务异常检测   随机森林  

摘要： 随着企业财务数据复杂性和审计风险评估需求的增加,文章构建了基于随机森林的分类模型,利用中国上市公司2013-2023年间的财务数据,使用孤立森林算法检测财务数据中的异常值,并通过K-means聚类分析对异常点进行风险分类,并通过交叉验证和混淆矩阵评估了模型的准确性和稳健性。实验结果表明,基于机器学习的方法能够显著提高审计风险识别的效率和准确性,为审计师提供更有力的决策支持工具。

关键词： 激光干涉测距重力卫星   低低跟踪   机器学习   数据处理  

摘要： 作为低低跟踪重力卫星GRACE任务的后续任务,激光干涉重力卫星任务GRACE Follow On双星之一的加速度计载荷在运行一个月后出现了异常,造成了关键科学测量数据的缺失,同时在GRACE服役期最后阶段也出现了类似情况。由此,加速度计数据恢复技术对GRACE尤其是GRACE Follow On任务探测目标的实现极为重要。本文提出了一种基于机器学习的回声状态网络模型来实现加速度计数据恢复与重建的全新方法。基于回声状态网络模型,构建双星之间加速度计数据的映射关系,并通过贝叶斯优化提高网络性能,可实现对缺失加速度计数据的高精度高效率重建。通过实测数据的实验比对,在重力场探测信号频段,模型预测结果在沿轨道方向和径向两个高灵敏轴可达到(甚至部分频段优于)10^(-8)m·s^(-2)√Hz量级水平,在轨道法向低灵敏轴到达10^(-8)m·s^(-2)√Hz~10^(-7)m·s^(-2)√Hz水平。这一重建精度达到甚至部分优于GRACE官方数据移植精度,可初步应用于重力场反演,实现低低跟踪任务加速度计高精度数据产品恢复。

关键词： 蒙特卡罗(MC)方法   粒子输运   并行计算   JMCT   人工智能  

摘要： 蒙特卡罗(MC)粒子输运方法应用概率论随机理论与数理统计知识开发相应程序,并借助计算机工具帮助核领域解决各种粒子输运物理问题。经过70多年的发展,MC粒子输运方法理论和算法已经逐步成熟,先后诞生了多代多个程序软件,在核辐射屏蔽、核反应堆堆芯临界安全分析、核探测及核医学等传统领域广泛应用。本文从MC粒子输运的理论基础介绍开始,给出了MC方法求解积分形式中子输运方程的中子通量密度公式,以及中子通量密度响应量的计算方法,同时概述了求解输运方程的确定论方法分类,介绍了MC粒子输运方法发展历程和计算应用经历的阶段,以及国内外重要的MC粒子输运分析软件,还有近期国际上采用图形处理单元(GPU)技术发展MC粒子输运软件的方向和进展。同时对自主研制的MC粒子输运软件JMCT的功能和特色进行系统性介绍。

关键词： 傅里叶变换近红外光谱   化学计量学   机器学习   天麻   栽培品种  

摘要： 采用傅里叶变换近红外光谱(FT-NIR)与二维相关光谱(2DCOS)技术,结合化学计量学方法和深度学习算法,分别构建了偏最小二乘判别分析(PLS-DA)模型和残差卷积神经网络(ResNet)模型,快速准确鉴别了3种栽培品种天麻(Gastrodia elata Blum)样本(共计447份)。结果表明:FT-NIR数据经一阶导数(1st Der)和多元散射校正(MSC)组合预处理后建立的PLS-DA模型综合性能最好(准确率99.00%)。同时,基于FT-NIR同步2DCOS图像结合ResNet模型的鉴别方法,无需筛选最佳预处理和进行复杂的数据转换,即可实现对不同栽培品种天麻的快速精确鉴别(准确率100.00%)。该研究为鉴别不同栽培品种的天麻提供了一种快速、准确的新方法,可为天麻种质资源研究与新品种选育进一步奠定基础。

关键词： 人工智能   信息化业务   智能化升级   数据治理   系统集成  

摘要： 文章探讨了基于人工智能的信息化业务智能化升级,分析了人工智能在政务、企业信息化中的应用现状,包括智能问答、远程认证、智能审批、热点洞察等功能。同时,通过提升数据处理能力、自动化流程、智能决策支持等方面,人工智能推动了业务流程从自动化迈向智能化。

关键词： 神经外科   重症   肺部感染   梯度提升决策树算法   预测模型   机器学习  

摘要： 目的 探索基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)和SHAP解释模型在预测神经外科外伤性硬脑膜外血肿患者肺部感染(LC)中的应用,旨在提高肺部感染预测准确性并为临床决策提供数据支撑。方法 采用回顾性队列研究设计,连续纳入2021年1月—2022年12月本院神经外科重症监护室收治的139例外伤性硬脑膜外血肿患者,依据是否出现肺部感染分为肺部感染组(LC组,24例)和无肺部感染组(NLC组,115例)两组。采用单因素及多变量Logistic回归分析影响肺部感染的危险因素,构建logistics回归算法模型(P Logistics);应用GBDT和SHAP解释模型构建神经外科外伤性硬脑膜外血肿患者肺部感染预测模型(P G-Boost),应用ROC曲线评估、比较两种模型的预测性能。结果 基于单因素研究结果显示:二元logistics回归分析确定了5个主要危险因素(住院天数≥14 d、机械通气、ICU初始GCS评分≤8分、合并COPD和口腔致病微生物感染),其中口腔致病微生物感染风险最高(OR=6.38,95%CI:2.28~17.84,P<0.001)。基于上述单因素构建的GBDT-SHAP预测模型显示,住院天数≥14 d具有最高的相对重要性(28.45%),其次是机械通气(25.67%)和ICU初始GCS评分≤8分(20.12%)。ROC曲线分析表明,GBDT模型(AUC=0.915,95%CI:0.835~0.995)较传统logistics回归模型(AUC=0.848,95%CI:0.742~0.954)具有更优的预测效能,其敏感性(0.875 vs 0.750)和特异性(0.957 vs 0.948)均较高。结论 基于G-Boost算法的SHAP解释预测模型具有较高的准确性和临床实用价值,可为神经外科外伤性硬脑膜外血肿患者肺部感染的早期预防提供决策支持。

关键词： 人工智能   三维城市测绘   数据处理   深度学习   点云处理  

摘要： 本文重点研究人工智能(AI)如何通过深度学习与自动化技术,优化三维建模过程,提升测绘数据的精确度与速度。通过分析图像识别技术在地物提取中的应用、点云数据的噪声过滤与配准技术,以及多源数据融合的优化方法,探讨AI在三维城市测绘中的具体技术与应用。此外,本文还讨论了AI在城市规划、基础设施监测及智慧城市发展中的潜力与挑战。研究表明,人工智能将在未来的三维城市测绘中扮演越来越重要的角色,推动城市测绘向更高效、精确的方向发展。

关键词： 人工智能   智能聊天机器人   英语教学   口语教学   教学成效  

摘要： 智能聊天机器人为开展个性化英语口语教学提供了工具支持。本文从研究趋势、技术工具、教学功能、教学融入方式、实施成效等方面,梳理了近25年智能聊天机器人应用于英语口语教学的实证研究。结果表明,相关研究学科交叉性强、区域特征突出,核心的教学理论依据有互动主义理论、动机理论和社会文化理论等。基于目标导向、具身体验、多模态呈现的三个特性,总结了7种不同类型的智能聊天机器人及其5种教学功能,归纳了5大类17种不同形式的教学活动。智能聊天机器人整体上有助于推动学习者学习心理、学习行为、知识技能的发展,其各项系统性能的评价反馈较好,但是仍然存在短板。未来研究建议加强人机互动过程的探析,扩大研究群体,进一步明确智能技术的教育效能。

关键词： 人工智能算法   机器学习   深度学习   抗菌肽  

摘要： 抗菌肽作为具有广泛抗菌活性的小分子肽,因其独特抑菌机制在食品保鲜等领域展现出巨大潜力。然而,传统筛选方法耗时费力、资源消耗大,且所得抗菌肽常存在稳定性差、细胞毒性高等问题,限制了其广泛应用。近年来,人工智能技术的快速发展为抗菌肽研究带来了新机遇。人工智能算法能够基于先验知识与实时数据持续优化,显著提高了抗菌肽的预测效率,降低了研发成本。同时,这些算法还为探索抗菌肽的多样性、优化其性能提供了可能。目前,多个专业数据库已建立,为算法模型训练提供了丰富资源。此外,基因组学、转录组学、蛋白质组学等多源生物信息数据也被广泛用于抗菌肽预测,以期更精准地识别具有潜在抗菌活性的肽段。本文综述当前各类人工智能算法模型预测抗菌肽的原理及适用情况,并探讨针对抗菌肽应用困境而设计的特定预测模型。旨在启发读者如何选择和设计人工智能算法,推动其在食品安全与人类健康领域的创新应用。