关键词： 人工智能   高校   思政课教学  

摘要： 随着信息技术的不断革新,推动人工智能赋能高校思政课教学是增强思政课立德树人主渠道作用、促进思政课与信息技术深度融合、构建高效多元的教学评价体系的现实需要和时代要求。把握人工智能赋能思政课教学的融合点、关键点,剖析思政课在人工智能技术发展进程中面临的教育者主导性弱化、受教育者主体性消解、智能技术局限性等各种风险与挑战,解决人工智能技术融入思政课教学的关键环节,发挥思政课教师主导性地位,以学生发展为中心,运用人工智能技术精准分析青年学生的多样化需求,实现媒介交融、人机交互,创新思政课教学方式,为新时代思政课教学提质增效。

关键词： 职业核心素养   跨学科融合   复合型人才   智能制造  

摘要： 智能制造产业对复合型技术人才的需求日益增长,职业核心素养是高职学生持续发展的关键支撑。文章从产业发展对人才素质要求出发,通过课程体系重构、实践环节深化、制度机制创新等举措,构建起跨学科融合培养体系。实践表明,多学科知识的有机融合、产教资源的深度对接、组织制度的协同运行,能够促进学生职业能力的全面提升,为产业转型升级培养复合型技术技能人才。跨学科融合培养模式的推广应用,对提升高职教育人才培养质量具有重要指导意义。

关键词： XCO_(2)   机器学习   数据集构建   时空分布  

摘要： 二氧化碳(CO_(2))是关键温室气体,准确掌握其空间分布有助于实现碳达峰与碳中和目标。大气CO_(2)柱平均干空气体积混合比(XCO_(2))是表征大气中CO_(2)体积分数的重要指标。由于卫星观测的XCO_(2)数据受限于狭窄的条带和云层等因素,常出现空间数据缺失,因此构建高精度时空无缝XCO_(2)数据集尤为关键。基于轨道碳观测卫星2号(OCO-2)的XCO_(2)观测值,结合多源环境因素,采用XGBoost模型构建了2015年1月-2024年3月中国地区0.05°×0.05°高精度无缝隙逐日XCO_(2)数据集。模型的交叉验证和地面站点验证结果均显示优异的精度,且与瓦里关大气本底站的观测数据变化趋势一致,验证了数据集的高精度和可靠性。基于该数据集,发现中国XCO_(2)的空间分布呈现东高西低特征,高值区主要集中在京津冀、长江三角洲、粤港澳等地区。全国年平均XCO_(2)呈增长趋势,由2015年的401.00×10^(-6)上升至2023年的419.91×10^(-6),年平均增长为2.36×10^(-6),但增长速率逐渐放缓。XCO_(2)季节性波动呈冬春高、夏秋低趋势,可能与植被固碳活动相关。

关键词： 心力衰竭   利尿剂抵抗   LASSO回归   特征选择   机器学习  

摘要： 目的 基于LASSO回归等机器学习方法探讨心力衰竭患者(heart failure, HF)医学指标对鉴别利尿剂抵抗(diuretic resistance, DR)状态的诊断价值,构建心力衰竭患者利尿剂抵抗早期识别模型,为医生提供更早的干预时机,缩短患者住院时间。方法 收集天津市胸科医院267例心衰患者作为研究对象,以患者64项医学指标作为自变量,以标准尿量、状态类别作为因变量。根据因变量的不同,采用两种方法构建心衰患者利尿剂抵抗早期识别模型。第一种方法是运用最小绝对值收敛和选择算子算法(least absolute shrinkage and selection operator, LASSO)进行回归拟合,采用十折交叉验证法确定最佳λ值,在测试集上通过预测患者标准尿量划分利尿剂抵抗状态;通过均方根误差(root mean square error, RMSE)、决定系数(coefficient of determination,R^(2))、分类准确度判断识别效果。第二种方法首先是使用最大相关性最小冗余度算法(max-relevance and min-redundancy, mRMR)选择出与状态类别相关的特征子集;然后利用三种不同的机器学习方法:logistic回归(logistic regression, LR)、随机森林(random forest, RF)和支持向量机(support vector machine, SVM)对患者进行状态分类,通过受试者工作特征曲线(receiver operating characteristic, ROC)下面积(AUC)、准确度、精确度、召回率、F1分数判断识别效果。结果 LASSO回归模型的最佳λ值为0.0161,测试集上均方根误差为0.3489,测试集上的决定系数为0.7200,准确度为91.36%。mRMR+LR、mRMR+RF、mRMR+SVM的AUC值分别为0.94、0.89、0.95,准确度分别为0.86、0.77、0.90,精确度分别为0.87、0.80、0.90,召回率分别为0.86、0.75、0.90,F1分数分别为0.86、0.75、0.90。在验证集上,LASSO回归相比于三种机器学习方法展现出更好的预测性能。结论 LASSO回归模型和mRMR+机器学习方法均能有效识别患者利尿剂抵抗状态。相比mRMR+机器学习方法,LASSO回归模型具有更好的利尿剂抵抗识别效果,能够为医院的早期干预提供更为精确的科学依据。

关键词： 人工智能   本科生   教学改革   创新人才培养  

摘要： 目的:随着人工智能技术的快速发展,传统本科生教学模式面临挑战与机遇。本文旨在探讨人工智能背景下本科生教学改革的必要性,分析现有教学问题,并提出具体改革策略,以培养适应人工智能时代的创新型人才。方法:通过文献综述和实地调研,分析本科生教学现状。从教学理念、课程体系、教学方法和师资队伍建设等方面提出改革策略,并通过实践案例验证其有效性。结果:研究发现,现有教学存在理念滞后、课程体系不完善、教学方法单一和师资能力不足等问题。提出的改革策略包括更新教学理念、优化课程体系、创新教学方法和加强师资建设。实践案例表明,这些策略显著提升了教学效果,增强了学生的创新和实践能力。结论:本文提出的改革策略在实践中取得显著成效,为高校教学改革提供了有益参考,有助于培养适应人工智能时代的创新型人才。未来,高校应持续推进教学改革,探索新时代需求的教学模式和方法。

关键词： 数字智能   ChatGPT   Sora   通用性   通用化   人工智能  

摘要： 以ChatGPT和Sora等为标志,人工智能全面步入数字智能发展阶段。数字智能基于统计模型通过大数据纳入人类语境/世界情境进行自然语言和视频处理,获得了在既定大数据范围内甚至超越人类个体的自然语言和视频处理及超强泛化能力,促成了人工智能通用性的空前发展,引发了生成式人工智能是否步入通用人工智能轨道甚至已经通用化的观点对立,关于数字智能的发展由此陷入通用性和通用化构成的通用迷思。数字智能的通用迷思根源于其通用性极度扩展,而人工智能的“通用性”和“通用化”是两个不能通约的概念,即使数字智能通用性无限叠加,也不会走向人工智能的通用化,其中涉及两种不同范式的根本转换。作为信息编码层次的人工智能,数字智能的意义不在于人工智能的通用化,而在于从自然语言到广义语言、从大数据纳入人类语境到纳入世界情境的通用性发展。

关键词： 人工智能   网球训练   动作分析   个性化反馈  

摘要： 随着人工智能技术的飞速发展,体育运动中的数据采集、分析与训练优化环节正经历着深刻变革。本文围绕网球运动员的动作分析与表现提升,系统梳理了当前人工智能在高精度动作捕捉、多维度智能分析和实时个性化反馈中的关键技术路径,探讨了其在技术评估、战术辅助、伤病预警与康复管理等方面的实际应用。同时,通过IBM Watson、Hawk-Eye与PlaySight等典型系统的案例分析,揭示人工智能在训练智能化和科学化中的实际成效。本文还指出了当前人工智能赋能网球运动动作分析中面临的核心挑战,如数据质量控制、算法泛化能力、系统成本与部署便捷性等,并展望未来人工智能在人机协同、边缘计算和个性化模型优化方面的发展方向。研究表明,人工智能将在提升网球训练效率、竞技表现与运动健康管理等方面发挥越来越重要的作用。

关键词： 滑坡   敏感性制图   极端降雨事件   机器学习模型   模型评估   SHAP  

摘要： 全球气候变化和人类活动造成的极端降雨事件频发为滑坡触发预警和分析带来了新的挑战,单次暴雨事件诱发滑坡已具有普遍性和广泛性,目前机器学习算法为极端事件滑坡敏感性制图工作提供了更精准和高效的解决办法,但仍存在模型种类复杂、适用性和可解释性差等问题。鉴于此,本研究以海河“23·7”流域性特大洪水伴随的滑坡事件作为背景,选取北京市为研究区,基于GF-6影像、GF-7高精度地形数据和实地勘测,构建滑坡样本集,并筛选出13个典型致灾因子,利用极限梯度提升(eXtreme gradient boosting,XGBoost)、梯度提升决策树(gradient boosting decision tree,GBDT)、类别提升(categorical boosting,CatBoost)、随机森林(random forest,RF)和决策树(decision trees,DT)5类模型和沙普利加性解释(shapley additive explanations,SHAP)特征解释器的集成,探究海河流域极端降雨事件灾后滑坡敏感性制图的模型性能,结果表明:①北京市滑坡中高风险区集中于西部、西南部,高风险区域与极端降雨区域以及沟道走向线高度重合。②XGBoost-SHAP的AUC值和KS值分别为0.98049和0.84160,表现出最优越的性能。③高程、坡度、归一化植被指数(normalized difference vegetation index,NDVI)、极端事件降雨量和年平均降水是诱发华北土石山区滑坡的主要影响因素,极端降雨事件中致灾因子相比常规事件诱发滑坡阈值更低。研究成果通过评估滑坡敏感性制图模型,描述滑坡灾害各影响因子的交互作用与空间分布特征,以期为华北土石山区极端降雨条件下滑坡灾害预警提供参考,并为地质灾害综合治理提供理论指导和科研支撑。

关键词： 川菜产业   数字化转型   供应链   智能制造   精准营销  

摘要： 川菜作为中国四大菜系之一,在国内外餐饮市场中占据重要地位。随着数字技术的飞速发展,数字化转型成为川菜产业适应市场变化、增强竞争力的关键路径。本文阐述了数字化转型的内涵,分析了川菜产业数字化转型在销售渠道、生产环节及营销方面的现状,指出其面临企业数字化意识和能力参差不齐、数字化基础设施建设有待完善、数据安全与隐私保护问题及复合型人才短缺等挑战,并从构建数字化供应链体系、推进生产智能化与标准化、创新数字化营销模式、培养数字化人才队伍等方面提出实施路径,旨在为川菜产业数字化转型提供参考,推动其高质量可持续发展。

关键词： 水热法   WO_(3)   支持向量机   算术优化算法   气体传感器   机器学习  

摘要： 金属氧化物半导体(MOS)气体传感器具有高灵敏度、低成本、高稳定性,在气体传感器领域被广泛应用。然而,MOS气体传感器对同类气体存在交叉敏感性,限制了其在混合气体检测中的准确性。为提升传感器的定性识别性能,本研究以WO_(3)气体传感器为研究对象,采用算术优化算法(AOA)优化支持向量机(SVM)参数,提升模型的准确度和计算效率。实验结果表明,WO_(3)气体传感器对三乙胺(TEA)具有高选择性,结合优化后的SVM算法,对二元混合气体的识别准确率达85%以上,较原始SVM模型提升6%。该方法在复杂气体环境中表现出优越的分类精度和计算效率,为实时气体检测提供了新思路。