关键词： CNN-LSTM   机器学习   产量预测  

摘要： 油田产量预测是制定油田生产开发方案的基础工作。随着数据量的不断增加,传统方法面临诸多挑战。通过机器学习建立产量预测模型,已成为一种更加准确高效的方法。文章将卷积神经网络(CNN)与长短期记忆网络(LSTM)两种基础模型相结合,构建了CNN-LSTM模型。通过CNN提取油田数据中某些突出的特征,并将这些特征作为构建LSTM时间序列数据集的输入,揭示了数据中隐藏的特征与空间相互作用关系,进而提高预测结果的精确度。此外,实验结果表明,相比单一的LSTM模型和CNN模型,CNN-LSTM模型在预测性能上具有显著优势,能够更准确地预测油田生产数据,为油田的后续开发提供可靠的数据支持。

关键词： 肺腺癌   肺结节   人工智能   深度学习   神经网络  

摘要： 目的研究多种深度学习融合模型预测肺腺癌浸润程度的可行性,并评估其预测效能。方法回顾性纳入经病理证实为肺腺癌的肺结节316例,其中腺体前驱病变(含非典型腺瘤样增生和原位腺癌)94例、微浸润腺癌123例和浸润性腺癌99例,并建立数据集。253个(80%)用于训练深度学习模型,63个(20%)用于模型验证。使用深度学习模型(包括AlexNet、VGG19、GoogleNet和ResNet)从数据集中进行特征提取,通过PCA进行特征降维,利用SVM对其分类,并评价单独和融合深度学习模型对不同浸润程度肺腺癌的鉴别价值。结果深度学习模型对于肺腺癌浸润程度的预测取得了良好的诊断性能,AlexNet、VGG19、GoogleNet和ResNet以及融合(combine)模型模型的总体准确率分别达到73.68%、89.47%、77.19%、89.47%、92.98%。combine模型对于不同浸润程度肺腺癌诊断的准确性均高于94%。结论深度学习融合模型对于肺腺癌的浸润程度有良好的诊断性能,可以为临床提供更为可靠的术前诊断依据。

关键词： 新质生产力   人工智能   职业发展   审计  

摘要： 新质生产力是一种以科技创新为主导,摆脱传统增长路径,具有高科技、高效能、高质量特征的生产力,其本质是对技术进步的系统性整合和提升。新质生产力时代的审计职业发展不仅需要面对技术的直接冲击,而且必须适应由此引发的广泛职业生涯变化。文章在新质生产力背景下,通过构建人工智能对审计职业发展的影响模型,重点关注了人工智能技术对审计职业的现有影响和潜在影响。实证分析结果表明,尽管审计师对人工智能的了解程度普遍较低,但他们已经意识到这些技术可能对审计职业发展产生显著影响,且这种影响与复杂的人工智能技术高度相关;随着人工智能技术的现有影响不断增大,审计师感知的人工智能对审计职业发展的影响逐步提高。

关键词： 人工智能   大数据   癌症诊断   精准治疗   鼻咽癌  

摘要： 近年来,人工智能(artificial intelligence,AI)和大数据(big data)技术在癌症诊断、个体化精准治疗、智能放射治疗和癌症研究中得到了广泛应用。大量研究表明以深度学习为代表的AI技术与大数据对于提高癌症诊疗的质量和效率具有重要作用,并有助于临床医生实现癌症的个体化精准治疗。在鼻咽癌诊疗中,大数据、AI辅助靶区和危及器官勾画、AI辅助放疗计划设计和AI驱动的在线自适应放疗等都进一步革新了精准放疗和个体化全身治疗决策。然而,伦理问题、技术瓶颈及在实际应用中的困难仍亟待解决。该文总结了AI在肿瘤学领域的巨大进展,并深入探讨了大数据、AI辅助技术如何改变鼻咽癌治疗的临床决策。最后,该文分析了AI和大数据驱动的癌症治疗的局限性和挑战,并展望了它们对未来临床实践的潜在影响。

关键词： 风电机组   故障诊断   机器学习   卷积神经网络   长短期记忆网络  

摘要： 风电机组复杂多变的工作环境给其状态监测和故障检测带来挑战。因此,提出一种新的风电机组故障检测方法,将CNN与LSTM相结合,以风电机组监控系统中的SCADA数据为研究对象。建立基于卷积神经网络的学习架构,实现对系统中各节点之间动态数据的有效识别;采用注意机制强化关键信息的作用,实现对长短时记忆网络中所需要的各种特征的提取;通过权重映射及参数学习等方法提升模型准确率,实现对风电机组故障的早期预警。

关键词： 大数据   连锁零售   物流需求预测   时间序列分析   机器学习  

摘要： 随着大数据技术的飞速发展,为连锁零售企业带来机遇与挑战。其中,物流需求预测的准确性对企业运营效率与成本控制至关重要。本文探讨了基于大数据背景下的连锁零售物流需求预测模型,整合多渠道大数据资源构建高效精准模型。概述大数据应用背景,阐述预处理、特征选择、模型构建等技术路径,重点介绍时间序列分析、机器学习及深度学习等预测方法,并对比优缺点。实证研究验证模型有效性与可靠性,显著提高预测精度,支持企业决策。最后总结研究成果,展望未来研究方向。

关键词： 人工智能   算法侵权   风险责任   救济制度  

摘要： 数字经济时代人工智能侵权法律问题主要表现在算法领域。算法侵权根据其种类可分为平台侵权、第三人侵权、算法自动化侵权等情形,如出现大规模微型侵权,即使该侵权对于个体侵害轻微,也应认定为侵权损害,并根据不同情形采用不同方式进行规制。现阶段算法治理已从事后填补阶段逐步发展至事前预防阶段,根据风险责任理论,算法侵权应在传统侵权责任的基础上适度扩张算法受益者、算法运营者和算法管理者责任,以实现各方利益平衡,避免出现算法侵权泛滥的情况。针对算法侵权的救济问题,需要完善算法侵权责任体系及相应的赔偿制度,针对主观上存在故意和造成严重后果的算法侵权适用分级惩罚性赔偿,以更好应对算法侵权风险。

关键词： 机器学习   非自杀性自伤   预测力   应用  

摘要： 非自杀性自伤(Non-suicidal Self-injury,NSSI)是重大的公共卫生问题,具有高度污名化、高度复杂性和高度异质性的特点,传统NSSI研究测量和分析方法有限,获得的影响因子预测力较低。近年来机器学习逐步应用于NSSI的分析和建模中,并通过提高NSSI研究工具预测力、增加预测模型复杂度和精确度、区分NSSI类别和亚型,使整体预测性能上升到中等水平。未来需结合NSSI传统理论和研究方法使筛选标准更严格,拓展非问卷NSSI数据与深度学习、无监督学习的结合,根据“先分型、再迁移”的原则增加模型的可复制性与可比性,进一步提高预测性能。

关键词： 企业财务核算   经营决策   财务管理   核心环节   人工智能   企业经济活动   信息技术   决策科学性  

摘要： 在当今复杂多变的经济环境下,企业的生存与发展面临着诸多挑战。财务核算作为企业财务管理的核心环节,其质量的高低直接关系到企业的决策科学性、经营稳定性以及可持续发展能力。随着全球经济一体化的加速推进,市场竞争日益激烈。企业不仅要在产品质量、服务水平等方面展开角逐,更需要在财务管理方面不断提升,以确保在竞争中立于不败之地。财务核算作为反映企业经济活动的重要手段,能够为企业提供准确、及时的财务信息,帮助企业管理者了解企业的财务状况和经营成果,从而制定出科学合理的经营决策。同时,随着信息技术的飞速发展,企业的经营模式和管理方式也在发生着深刻变革。大数据、云计算、人工智能等新兴技术的出现,为企业财务核算带来了新的机遇和挑战。企业需要积极适应这些变化,引入先进的财务核算技术和方法,提高财务核算的效率和准确性。

关键词： 人工智能   马克思主义异化理论   技术异化   异化风险   档案管理  

摘要： 本文基于马克思主义异化理论关于技术异化的本质透析,分析人工智能赋能档案事业创新发展可能存在的异化风险,包括:技术认知偏差,使档案事业转型升级面临困境;责任主体缺失,使档案内容安全风险与日俱增;自主性削弱,使档案工作者对职业身份无所适从。在此基础上,提出应通过坚守档案工作者的主体性地位,建立以人为本的“人技互构”观,筑牢人工智能技术应用中的档案数据安全防线,加快人工智能技术在档案工作应用中的自主研发等途径来防控其赋能档案事业创新发展的技术异化风险。