关键词： 混凝土力学性能   高温作用   数值模拟   机器学习   强度预测  

摘要： 高温下的混凝土的力学性能直接影响结构安全性。该文先基于已有的高温混凝土压缩和拉伸试验数据，采用Abaqus有限元软件进行数值模拟复现，验证了仿真方法的可靠性。其次，通过模拟不同强度等级普通混凝土在20～800 ℃高温作用下的单轴拉压和围压试验，阐明了温度对混凝土抗压强度、劈拉强度、弹性模量和应力-应变关系的影响规律。最后，基于BP神经网络（BPNN）、支持向量回归（SVR）和高斯过程回归（GPR）3种常用的机器学习算法，建立了可在不同温度下混凝土力学性能的快速预测模型。结果表明：GPR模型和SVR模型的预测精度较高，其中混凝土抗压强度和抗拉强度的预测模型R2分别为0.997 23、0.979 55。

关键词： 人工智能   元数据   资源建设   图书馆  

摘要： 分析国内外图书馆在资源建设中应用AI生成元数据的实践经验，为国内图书馆提升AI应用能力和资源建设水平提供参考。通过调研国内外20个实践案例，围绕实施主体、资源对象、应用技术、应用场景和赋能成效总结实践现状和经验。研究从两个方面提出实践建议与启示：一是制定AI生成元数据的技术应用方案，包括基于大语言模型的提示词工程、基于机器学习的领域数据训练和基于知识图谱的检索增强生成；二从战略规划、质量监控和人才能力等方面保障AI生成元数据赋能成效。

关键词： 人工智能   知识生产   技术鸿沟   网络协作   技术理性  

摘要： 人工智能时代技术参与并介入知识生产过程,变革了知识生产的趋势,形成了人工智能时代知识生产的新形态、人工智能时代知识生产网络的新格局与人工智能时代知识生产的新挑战。从新形态来看,人工智能改变了知识存储与传播、知识生产与应用。从新格局来看,人工智能重塑了知识生产的全球流动、网络结构与协作机制。与此同时,人工智能时代知识生产的新挑战也已出现。“技术鸿沟”加速生产的“知识鸿沟”,“技术理性”掩盖知识生产的“主体间性”,“技术规制”忽视知识生产的“问题差异”。因此,要重塑人工智能时代知识生产就要在更新技术效率的同时,坚守教育对人及其意义、价值的探寻。

关键词： 压缩应变能力   双金属冶金复合管   局部屈曲   机器学习   集成算法  

摘要： 在深海环境中，当双金属冶金复合管环形焊缝位置处产生凹痕缺陷后会降低承载能力引发局部屈曲。基于应变的管道完整性评估方法可以有效预测含有缺陷管道的剩余承载能力，但尚缺乏对双金属冶金复合管焊缝含有凹痕缺陷的评估方法。本工作在有限元软件ABAQUS中采用RIKS方法构建用于计算含凹痕缺陷双金属冶金复合管局部屈曲失效的数值框架，并基于CRES模型构建了一种新的基于远场应变平均法的压缩应变能力计算方法。同时，采用机器学习的方法构建单一算法与集成学习算法下含有凹痕缺陷双金属冶金复合管临界压缩应变能力的预测模型。结果表明，所提出的集成模型不仅获得了更高的精度，同时对预测性能较弱的单一模型起到了增强作用，为实际工程中评估焊缝含凹陷双金属冶金复合管剩余承载能力提供了一种更为高效准确的方法。

关键词： 教育评价改革效能   智慧监测   自助平台   人工智能   大数据  

摘要： 搭建教育评价改革效能智慧监测的自助平台是推动新时代教育评价改革浪潮迈向高质量落实的“最后一公里”。通过借助人工智能、大数据、云计算等新技术力量,搭建智能化、动态化、可视化的教育评价改革效能监测平台,为各级各类教育评价改革提供有效技术支撑和智慧决策支持。新时代教育评价改革效能智慧监测的自助平台表征为数字型平台、可视型平台、自助型平台的“三台”功能形态,包括数据硬件层、数据采集层、数据处理层、数据呈现层、数据交互层等“五层”结构模块。为更好地服务全时序、全空间、多场景的教育评价改革,新时代教育评价改革效能智慧监测的自助平台应当不断扩大数据挖掘广度、增强数据分析深度、提升数据反馈效度,在分类发展、分层提升、分级反馈中形塑数字评价生态、数字画像生态和数字育人生态的“生态圈”。

关键词： 云网协同   卫星网络   网元云化   人工智能  

摘要： 云网协同技术与通感算智技术作为未来无线通信中的重要技术，可满足6G中的通感融合、通智融合等相关场景需求。卫星网络作为6G发展中的重要组成部分，从卫星网络迭代演进发展的角度阐述其对天基边缘云、网络功能虚拟化云化、智能赋能等的要求。在此基础上深入分析基于云网协同的通感算智赋能的卫星网络总体架构、组成架构以及功能架构。提出包括卫星网络网元云化、天基边缘云以及星地智能服务等原型系统的设计考虑。研究将助力云网协同与通感算智技术赋能卫星网络迭代演进发展，为卫星网络新技术验证奠定基础。

关键词： 未来教育   人工智能   智慧教育   智能时代   数字教育  

摘要： 未来教育正在经历一场深刻的变革,这不仅是技术的升级,更是教育理念、教学模式和学习方式的全面转型,从教师到学生,从课堂到学校,从学习到生活,人工智能作为关键驱动力,正在深度重塑教育的每一个环节。世界数字教育大会汇聚全球智慧,体现引领性和包容性特点,为数字教育交流与合作搭建了重要平台。文章基于2025世界数字教育大会的主要观点,探讨了培育未来教师、构建未来课堂、筹划未来学校、创设未来学习中心以及探索未来科教融合新范式等话题,为智能时代的教育转型提供了系统化的实施路径和全球视野的解决方案,旨在构建以学习者为中心、技术为支撑、质量为保证、公平为底色的未来教育新生态。

关键词： 水动力模型   机器学习   城市内涝   快速预报模型   优化算法  

摘要： 由极端降雨事件导致的城市洪涝灾害日益严重，然而数值模型作为目前城市内涝风险分析和预警预报的主要技术手段之一，因其计算速度较慢而难以应对短历时强降雨导致的城市洪涝灾害的预警预报需求。如何通过AI技术快速和准确地预测城市洪涝灾害过程及风险等级是当前亟待解决的问题。针对这一问题，本文通过GPU加速的高精度水动力模型模拟模拟计算研究区不同降雨重现期下的洪涝结果，利用该洪涝结果驱动GA-BP神经网络模型，构建了城市内涝快速预测模型。结果表明，该城市内涝快速预报模型预测精度高，最大积水深度与实测数据相比，RE不超过-5.4%，RMSE不高于0.025，NSE不低于0.891，计算速度相比数值模型模拟可提速约349倍。该方法可为城市日常防洪减灾提供技术支撑，有效降低城市内涝灾害带给人民的生命财产损失。

关键词： CTGAN   生成模型   不平衡数据集   机器学习   信用风险评估  

摘要： 人工智能在信用风险评估中能有效识别风险并提升决策效率，然而，现有信用风险数据普遍存在类别不平衡问题，导致模型在预测时偏向多数类，影响评估的准确性和可靠性。针对数据不平衡问题，提出一种融合变分自编码器（VAE）和条件表格生成对抗网络（CTGAN）的混合生成模型(VCTGAN)，用于合成高质量平衡数据集。首先，通过VAE中的隐变量学习真实数据的关键特征和潜在分布，生成结构化隐变量作为原始CTGAN的输入；然后，在数据生成器中引入自注意力机制用于更好的捕捉不平衡数据的突出特征；最后，在判别器中加入对比损失模块来增强生成数据的类别间差异，达到提高生成数据质量的目的。通过在Taiwan Credit和Give Me Some Credit两个基准数据集上的系统实验验证，分别取得了89.91%和96.89%的最佳分类准确率，结果表明这种改进方法在处理信用数据不平衡方面明显优于传统方法。消融实验进一步验证了各组件对性能的贡献，证实了所提方法的合理性和有效性。它不仅生成高质量的平衡数据集，而且提高模型识别少数类别的能力，为解决金融领域的数据不平衡问题提供了新的技术方案。

关键词： 超声医学   课程思政   人工智能   成果导向教育   教学改革  

摘要： 在医学技术飞速发展的背景下，超声科医生队伍日益壮大，临床对超声检查的需求激增，超声行业迎来了前所未有的机遇和挑战。为此，培养具备临床胜任力与人文素养双核驱动的超声医学人才已成为教学改革的迫切任务。课程思政作为中国医学研究生思想政治教育的关键途径，已被纳入教育改革的重要议程。在人工智能（Artificial Intelligence,AI）支持下，教育信息化与成果导向教育（Outcome-based Education, OBE）模式的结合，为超声医学课程迎来思政改革新契机。本文立足超声医学研究生教育特点，通过AI技术赋能、OBE理念重构和思政要素融合的三螺旋推进模式，从多重角度探讨超声医学课程思政革新的途径，以期为相关教学改革提供参考。