关键词： 人工智能   大学英语   课程思政   教学实践  

摘要： 人工智能是当前教育工作的重要推手和辅助工具,将其应用到大学英语课程思政教学中,对优化教育效果意义重大.通过探究人工智能背景下大学英语课程思政的价值意蕴,实现促进学生更全面发展,形成良好思政素养的目标,有利于学生树立正确观念,培养学生的远大理想.人工智能赋能大学英语课程思政教学,要转变教师思想,推进课程思政;构建生动情境,优化教学过程;丰富育人内容,优化教学生态;发展辨识能力,完善师资队伍;展开科学评价,完善学生知识体系,以期推动人工智能时代高校英语课程思政教学的创新发展.

关键词： 材料腐蚀监测   环境参数   涂层   机器学习  

摘要： 腐蚀监测是确保基础设施安全的关键技术，通过实时跟踪材料的腐蚀状况来预防结构失效和环境事故，这项技术广泛应用于石油天然气、化工、船舶和桥梁等行业以维护资产的完整性和延长使用寿命。阐述一种基于电偶型腐蚀传感器（ACM）原理的在线腐蚀监测技术在杭州湾跨海大桥上的应用，分析材料腐蚀监检测技术应用现状，开发材料腐蚀与环境作用关系分析系统，并结合机器学习方法，包括随机森林、决策树、线性回归等方法，对监测数据进行挖掘，并对几种学习方法的训练效果与预测情况进行系统分析，得出随机森林训练效果最好，决定系数R2达到0.83，所开发系统采用无线传输方式，数据上传至云端，可同时对八种材料或涂层腐蚀进行监测，配备客户端软件进行数据处理分析，实现对各测试材料及涂层腐蚀失效时间的预测，并以此对重大设施关键点位的腐蚀状况进行实时监测。通过实时监测腐蚀情况能够及时发现潜在的安全隐患，从而采取措施，避免因腐蚀导致的重大安全事故，保障人员生命财产安全。基于对不同材料及涂层腐蚀特性的深入了解以及利用先进的数据分析手段可以制定出更为科学合理的维护计划，减少不必要的检查和维修成本，提升整体运营效。引入最新的传感技术和机器学习算法为腐蚀监测领域带来了新的解决方案和技术思路，推动了相关行业的技术进步与发展，而且有效控制和减缓腐蚀过程，有助于降低由于设备故障而造成的环境污染风险，符合可持续发展的要求。对腐蚀程度的精准评估可以帮助企业合理安排资源分配，避免过早更换仍具有良好性能的部件，从而节约大量资金投入。该研究不仅具有实际应用价值，也为腐蚀机理的研究提供了宝贵的试验数据支持，丰富了关于材料耐蚀性的理论体系，对于进一步探索新型防腐材料和技术具有重要意义。

关键词： 分子性质预测   分子数据库   机器学习   AI化学  

摘要： 分子的理化性质对于化学行为具有决定性影响,其精确高效预测是化学和材料科学领域研究的长期热点之一.随着理化性质数据的积累和分子人工智能（AI）建模方法的进步,数据驱动的分子理化性质预测迎来了跨越式发展,在精度、广度、效率上取得了一系列突破.在有机分子理化性质的AI预测方面,本文介绍了相关数据库的发展,围绕光谱性质、轨道能量、酸度系数（pKa）、键解离能（BDE）、亲核性参数等代表性场景探讨了机器学习预测的相关进展,并对该领域的现状进行了总结与展望.

关键词： 电力无人机巡检   图像转换   机器学习   绝缘子识别   Welch算法   周期图法  

摘要： 电力无人机巡检技术的应用极大提高了电力输电线路的巡检效率，使得电网公司能够以高效、准确和快速的效果事先发现输电线路中的故障隐患。提出一种基于图像转换和机器学习的电力无人机线路绝缘子识别研究，使得电网后台图像处理系统可以快速识别并获取输电线路上的绝缘子信息。首先确定和连接位于输电线绝缘子数字图像的点集，然后基于Welch算法和周期图法对图片文件进行转换，并构建基于CART决策树、随机森林和XGBoost算法的机器学习分类模型。最后借助5000张的实际输电线路绝缘子图像集进行验证，验证结果表明Welch算法与随机森林结合效果最好，获得最高达0.99的F1分数。

关键词： 人工智能   思想政治教育   融合   创新  

摘要： 人工智能与思想政治教育融合是顺应时代和实践发展的必由之路。在理念思维层面,坚持跨界思维、互动思维和系统思维,着力推进人工智能与思想政治教育的深度融合。在方法手段层面,人工智能在融入中助力思想政治教育方法的效力提升、守正创新与合力汇聚。在平台场景方面,人工智能在与思想政治教育融合中既着力创建人机协同的智能化教学场景,也助力优化创新日常生活教育场景。

关键词： 人工智能   医学教育   政策文本   政策制定  

摘要： 从政策工具视角出发，梳理中国人工智能赋能医学教育有关政策文本，分析政策发展方向，为今后政策的制定和完善提供参考和建议。本研究以154份人工智能赋能医学教育的政策文本为样本进行分析，采取政策语义特征研究、政策工具研究等方法，得出政策的趋势以及政策工具的具体使用情况。分析发现，“人工智能”“医学”“教育”等词占比突出。对所纳入的154份政策文本内容进行编码，统计结果显示政策工具主要以供给型为主，占比为51.15%；需求型政策工具次于之，占比为27.18%；环境型政策工具占比最少，占比为21.65%。研究结果显示，不同类型政策工具的使用存在失衡，应该增加供给型政策工具的实施，同时提高环境型政策工具中激励性工具的使用以及增加需求型政策工具的需求。

关键词： 航空发动机   篦齿封严   机器学习   径向基函数神经网络   泄漏系数  

摘要： 以光滑衬套直通式篦齿为研究对象，基于机器学习方法实现了篦齿封严流动传热性能的精细化和快速化预测。遴选篦齿封严间隙、齿距、篦齿前倾角、入口总压和转速为机器学习模型输入，基于拉丁超立方抽样和CFD仿真方法建立机器学习所需的学习样本；针对计算域划分独立的机器学习网格节点（其数量远小于CFD网格），把径向基函数神经网络独立建立在每个节点上并直接预测对应位置的总压、总温及速度。将径向基函数神经网络与CFD计算结果对比发现，对于总压、总温及速度，径向基函数神经网络预测的平均绝对百分比误差分别为0.07%、0.17%和0.14%，均方根误差分别为1.18kPa、1.8K和6.45m/s。并对机器学习模型输入和输出参数之间的数值关联进行了详细分析。研究成果为篦齿封严流动传热高效低成本建模提供新的技术途径。

关键词： 模型设定检验   变量显著性检验   维数灾难   机器学习  

摘要： 本文对回归分析中的两类假设检验问题,即模型设定检验和变量显著性检验,进行简要介绍,并描述针对这两类检验问题的经典的和近期所发展的检验方法.进而介绍相关统计量的构造原理,并对不同方法可能存在的问题进行评述.经典的方法主要针对低维数据,往往受自变量维数的影响较大.近期所发展的方法主要适用于高维数据,旨在有效克服这两类检验问题中的维数灾难难题.机器学习算法的使用是近期所发展的检验方法的重要特征.最后对一些可能的议题进行简单讨论.

关键词： 大模型   人工智能   Transformer   GPT  

摘要： 近年来，随着以ChatGPT为代表的大语言模型（Large Language Models，LLMs）在通用人工智能方向上取得的突破性进展，国内外掀起了大模型应用的研究热潮。相比于单一的语言模态，多模态信息更贴近于人对外界理解和交互的媒介。据此，研究者将LLMs的架构进一步扩展到多种模态的任务（如文本、图像、音频、视频、传感器等），通过不同模态信息的对齐和统一，形成了多模态大模型。得益于大模型参数规模和数据量级的显著增加，在各个模态的相关任务中相比传统主流算法取得了显著的性能提升，从而向通用人工智能迈进了重要的一步。概述了多模态大模型的技术架构、发展历程以及代表性的算法模型。

关键词： 环式土工管袋   模型试验   充填方式   充填高度   充填机制   机器学习  

摘要： 中国每年从江河湖库等水域疏浚淤泥量达数亿方，通常进行陆地自然堆存，长期占用大范围土地。本文提出一种新型环式管袋堆场蓄淤排水技术，能有效解决疏浚淤泥堆放场地有限的问题，其中环式土工管袋的充填对环式管袋堆场蓄淤排水技术的实施至关重要。为研究环式土工管袋充填过程中形状、高度、充填机制、压力等特性，开展不同工况下环式土管袋充填室内模型试验，研究逆时针、径向、竖直3种充填方式条件下，充填速度分别为2.43、2.55、2.66和2.77 m/s时，土工管袋充填后高度以及充填机制。逆时针充填时，挟沙水流首先向逆时针方向流动，泥沙淤积至一定程度后，挟沙水流运动受阻，开始向顺时针方向流动；径向充填时，挟沙水流以一定角度向两侧进行充填。竖直充填时，挟沙水流撞击靠近地面管袋一侧后向两侧进行充填。试验结果表明：当充填方式为逆时针、充填速度为2.77 m/s时，管袋充填后平均高度最高；当充填方式为径向、充填速度为2.43 m/s时，管袋整体充填后平均高度最高；当充填方式为竖直时，4种充填速度条件下充填后管袋内泥沙分布极不均匀，管袋充填后高度与充填速度无关。12种工况下，逆时针充填且充填速度为2.77 m/s时，管袋充填后平均高度最高（0.09 m），袋体内泥沙颗粒分布较为均匀。基于试验测得的管袋充填后高度，应用机器学习原理，使用随机森林算法对逆时针、径向、竖直3种充填方式条件下的管袋高度进行模拟预测，结果较为准确，其中均方误差值分别为5×10-5、3×10-4、2×10-5。