关键词： 人工智能   大学生   西方古典音乐鉴赏能力  

摘要： 西方古典音乐承载着深厚的历史文化底蕴,其鉴赏能力的培养在人工智能时代具有重要意义。当前大学生普遍缺乏系统的古典音乐教育,接触机会有限,认知多停留在感性层面,对音乐结构、历史背景及艺术价值的理解不足。为提升鉴赏能力,需结合新途径、新兴技术手段,如利用VR/AR技术提供沉浸式体验、推动高雅艺术进校园活动、鼓励学生参与古典音乐社团、通过人工智能赋能高校音乐专业教学领域等。这些措施不仅能激发学生的兴趣,还能培养其共情力、批判性思维和创造力,帮助他们在人机协同的未来保持竞争优势。

关键词： 人工智能   意识形态安全   智能算法  

摘要： 人工智能技术在极大解放和发展生产力的同时,也使得意识形态治理风险骤升,引发了原生性意识形态风险、衍生性意识形态风险和共生性意识形态风险。本文认为既要深入挖掘马克思主义经典著作中的精髓,更要以习近平新时代中国特色社会主义思想为根本遵循,寻求解决之道。通过加强技术驯化,完善监管体系,巩固人本价值等,有效治理意识形态领域的各类风险,切实维护我国意识形态安全。

关键词： 产业生态化   人工智能   绿色创新   能源利用效率   绿色金融  

摘要： 以智能技术推进产业生态化发展,对于生态文明建设具有重要意义。文章基于2011—2022年285个城市的面板数据,利用双重机器学习模型实证检验人工智能对产业生态化的影响。研究发现:人工智能技术会显著促进产业生态化水平提高,经过多种稳健性检验和内生性检验后结论依然成立。作用机制分析发现:人工智能会通过提高绿色创新水平、提高能源利用效率、提高绿色金融水平来促进产业生态化水平提高。异质性分析发现,人工智能对非资源型城市和数字经济发达城市的产业生态化水平具有显著正向影响,但对资源型城市却产生了负向影响。进一步分析表明:人工智能显著提高了产业生态化转型的静态效率,但并未显著提高动态效率。因此,文章建议提高人工智能技术在产业生态化转型过程中的应用深度,并因地制宜制定智能技术赋能产业生态发展的策略。

关键词： AI大模型   高等教育   个性化   教学   人工智能  

摘要： 随着人工智能技术的飞速发展,人工智能大模型在各个领域释放出巨大的潜力。该文重点探究人工智能大模型助力高等教育的途径,剖析其在教师授课、学生学习、科学研究、教学管理等方面的运用,以及所面临的挑战与未来发展走向,旨在为高等教育机构和教育工作者提供具有价值的参考,以促进高等教育的创新与进步。

关键词： 数字人文   历史报纸档案   知识组织   智慧利用   人工智能  

摘要： 数字人文研究范式的兴起,为历史报纸档案资源的规范化管理和智能化服务提供了技术路径。基于数字人文视角,探讨了历史报纸档案资源开发利用的技术基础,阐述了数字人文赋能历史报纸档案资源深度开发的路径,并进一步探究了历史报纸档案资源的智慧应用实践,以期为历史报纸档案资源的开发利用提供新思路、新视角。

关键词： 智慧教育   教学模式创新   教育形态   人工智能   信息技术   大数据   资源的优化配置   云计算  

摘要： 随着信息技术的飞速发展,智慧教育作为一种新兴的教育形态,正逐步改变着传统的教学方式。智慧教育强调利用大数据、云计算、人工智能等现代信息技术手段,构建数智化、个性化、高效化的学习环境,以实现教育资源的优化配置和教育教学质量的全面提升。在智慧教育环境下进行教学模式创新,对于培养学生的创新精神和实践能力、提高教师的教学效率和效果具有重要意义。

关键词： 瓦斯浓度   瓦斯预测   灰狼优化算法   长短期记忆神经网络   机器学习  

摘要： 为了提高瓦斯浓度数据的预测精度,采用灰狼算法优化长短期记忆模型,结合了灰狼优化算法(GWO)的全局搜索能力、长短期记忆神经网络(LSTMNN)对时序特征的敏感性优势,建立了基于灰狼算法优化的LSTMNN模型(GWO-LSTMNN模型)应用于瓦斯浓度预测,对时间步长、学习率、隐藏层单元数组合进行了研究调整,得到了最佳超参数组合。在最佳组合下,对瓦斯浓度时间序列数据进行切片,对比LSTMNN模型、黏菌算法优化的LSTMNN模型、海鸥算法优化的LSTMNN模型,结果表明:在此超参数组合下,GWO-LSTMNN模型综合表现较好,3种指标E_(MS)、E_(MA)、E_(MAP)分别降低63.36%、38.87%、35.72%,GWO-LSTMNN模型在提高瓦斯浓度预测性能方面具有一定的优势,预测精度能够满足现场瓦斯安全监测监控的需要。

关键词： 医疗共享   处方翻译   人工智能   语料库   国际化  

摘要： 在全球医疗共享加速发展的背景下,中医处方翻译作为中医药国际化的关键环节,面临着语言、文化和专业术语的多重挑战。本文基于生态翻译学的三维转换理论,通过分析“人工智能+译后编辑(AI+PE)”模式在中医处方翻译中的应用,结合“豆包”“KIMI”“DeepSeek”等主流AI语言模型的实证案例,探讨如何通过人机协作提升翻译质量与效率。研究发现,AI在基础语义转换上表现高效,但在文化内涵传递、逻辑结构优化和目标受众适配方面存在局限,而人工译后编辑能有效弥补这些不足。本文提出构建术语标准化数据库、建立翻译记忆库等策略,为中医处方翻译的国际化路径提供理论与实践参考。

关键词： 人工智能   经验主义   理性主义   创新  

摘要： 当代人工智能的发展主要遵循经验主义的观点,即知识主要源于经验,而非天赋。这一观点过度强调经验习得的重要性,忽视了预先编程在人工智能发展中的关键作用。当前,人工智能的知识体系在很大程度上受限于已有的数据库内容,难以产生超越数据库范围的新知识,无法实现自我创新。温和的经验主义认为,要使人工智能具备创新能力,就不能仅依赖于经验,还需深入探索创新能力背后的先天机制。因此,必须关注人工智能的先天架构,提供一种更为平衡和综合的发展思路。

关键词： 岩石识别   深度学习   机器学习   卷积神经网络   目标分割   图像识别  

摘要： 随着人工智能技术的快速发展,深度学习在图像处理领域取得了显著进展,特别是在目标检测和目标分割方面。传统的岩石识别方法受限于复杂的背景和岩石的多样性,无法满足实际需求。深度学习的快速发展为岩石智能识别提供了新的思路和技术支持。本研究旨在应用深度学习模型YOLOv8-seg于岩石智能识别任务中,评估其在目标检测和分割任务中的识别效果和稳定性,以期为地质勘探和地质资源管理提供技术支持。研究采用YOLOv8-seg模型,对包括玄武岩、花岗岩、大理岩、石英岩、煤炭、灰岩和砂岩在内的多种岩石类型进行训练,以优化模型的识别能力。该模型结合了目标检测和实例分割功能,并通过box_loss、seg_loss、cls_loss和dfl_loss等多种损失函数优化边界框预测、分割性能、类别识别准确性和回归精度。在目标分割任务中,YOLOv8-seg模型的precision(B)和recall(B)分别达到0.91284和0.93587,mAP50(B)和mAP50-95(B)分别为0.86666和0.83686;precision(M)和recall(M)分别为0.90394和0.93438,mAP50(M)和mAP50-95(M)分别为0.85931和0.81856,说明模型具备较高的分割精度和召回率。F1Score(B)和F1Score(M)在第551轮分别达至0.92421和0.91891,较初始值提升显著。测试集结果表明,模型在玄武岩、煤、灰岩等岩石类型的置信度均保持在90%以上,在岩石开采、煤炭运输等实际应用场景中的识别率保持在85%以上。YOLOv8-seg模型在岩石智能识别任务中表现出色,具有较高的精度、召回率和稳定性,适用于多种岩石分类和识别任务。结果表明,该模型在地质勘探和地质资源管理中具备广泛应用潜力,为岩石智能识别提供了一种可靠的解决方案。