关键词： 幼小衔接   新路径   人工智能   幼儿园保教活动  

摘要： 幼小衔接新路径是指在幼儿从幼儿园过渡到小学阶段时进行针对性的教育引导工作,使幼儿能更快地适应新阶段的幼儿园生活和学习模式.在该过程中,教师可以借助人工智能技术来优化幼儿园的保教活动,提高相关活动的趣味性,让幼儿可以在活动中不断提升认知,养成良好的学习习惯和思维方式.在进入到小学阶段时,幼儿也能提升自身的适应性.教师在以人工智能技术优化教育活动时,要遵循以幼儿为本的原则,要根据幼儿的年龄特征、认知习惯、学习需求来设置保教活动,让幼儿可以不断发展,有效提升个人的综合素养.

关键词： 数智艺术   灵韵   数字信息技术   人工智能   技术美学   文化主体性  

摘要： 数字信息技术和人工智能技术的广泛应用业已深刻改变了艺术领域的传统生态,催生了数智艺术的诞生和快速发展。数智艺术灵韵是在人机协同创作、虚拟空间生产与交互式体验中所呈现出的技术、创作、体验的独特性和特定文化价值指向,体现出不同于膜拜价值、展示价值的以交互性、参与性和感知性为核心的体验价值。这种灵韵的独特性及其价值特质源于数智技术赋能下艺术灵韵生成机制的变化,即编码的智能化、呈现的虚拟性、解码的交互性。面对数智技术赋能艺术创作的不可逆趋势,数智艺术灵韵的价值建构需要以艺术家的创意坚守维续人的主体性,以区块链技术工具赋予其价值合法性,以数据拟人化彰显其智能美学价值,以虚拟现实技术营造沉浸式的体验空间场景,以技术伦理规范数智艺术灵韵的价值风险。在数智文明重塑艺术本体论范式的当代语境下,数智艺术灵韵不仅构成了技术美学的核心命题,更成为关乎数智时代文化主体性建构的关键议题。

关键词： 机器学习   电脉冲除冰   有限元模型   除冰效果  

摘要： 飞行器结冰安全防护中除冰效果数值仿真方法具有局限性，提出一种基于机器学习算法的机翼电脉冲除冰效果预测方法。通过电脉冲除冰有限元模型仿真，构建考虑了脉冲力幅值、切/法向黏附力强度、脉冲作用位置（翼面上/下面）等除冰参数的高质量数据集；对比支持向量回归（SVR）、决策树回归（DTR）、梯度提升回归（GBRT）、多层感知器（MLP）4种机器学习模型在除冰效果预测中的适用性。结果表明：决策树回归模型预测性能最优，其决定系数达到了0.934，显示出良好的预测精度。特征重要性分析表明脉冲力对除冰效果的影响最大。

关键词： 中西医结合   未来展望   困境   人工智能  

摘要： 中医作为中华民族几千年的智慧结晶，其理论体系丰富而独特，强调“治未病”、“辨证论治”等理念，注重整体与个体差异。现代医学，特别是西医学，以其精确的诊断方法和系统化的治疗体系，在全球医疗领域占据主导地位。中西医结合，是融合了中医的理论与西医的实践，旨在提供更加全面、个性化的医疗服务，适应现代社会对健康需求的多样化。

关键词： 智慧水务   系统设计   图像识别   动态水平衡   人工智能   混凝澄清   智能加药  

摘要： 火电厂取用排水系统繁多，各系统运行管理要求不一，导致水务管理难度大。近年来，人工智能技术快速发展并在水处理领域开展了多种场景的应用。将人工智能技术和大数据技术应用于火电厂水务系统运行优化是实现水务系统节水减排的重要途径。依托某2×1000 MW燃煤电厂开发了动态图像的识别及测量方法并将其与人工智能技术结合，提出了动态图像识别技术、智能加药技术并用于原水预处理系统、凝结水精处理系统和循环水系统的运行优化，并开发了全厂动态水平衡系统，构建形成了智慧水务系统，实现了水务系统的运行参数优化、精准加药、节水减排。开发的智慧水务系统相关技术的应用可减少药剂使用量6%以上，减少废水量超过40万t/a，节水降耗效益超过312万元/a。

关键词： 煤炭开采智能化   声学应用   信号处理   机器学习   人工智能   人机交互   环境监测   灾害预警  

摘要： 早期危险预警、设备故障维护以及复杂环境下的信息通信既是井下煤炭开采必不可少的重要组成部分，也一直是井下煤炭开采所面临的重要挑战。声学技术因其能对井下复杂动态环境进行实时监测且具有突出的信息携带能力特点，已成为煤炭开采智能化发展中一个具有潜力的技术领域。在这个应用背景下，文章综述了声学技术在井下煤炭开采中的智能化应用，如灾害预防与环境监测、井下人员定位、信息通信与人机交互、煤岩识别与煤矸石分选、机械设备故障诊断与监测、井下声学测量等，最后探讨了井下声学技术的热点研究领域、展望了未来发展方向。

关键词： 8620钢   淬透性   机器学习   特征工程   SHAP分析  

摘要： 8620钢是重要的机械用钢，常用于传递较大动力、承受较大载荷的齿轮，应用于运输、起重、机车牵引及风力发电等重要领域。淬透性是衡量钢铁材料在热处理过程中硬度分布均匀性的重要指标，直接影响材料的力学性能和使用寿命，在齿轮钢的生产和应用中尤为重要，传统的淬透性评估方法主要依赖于Jominy端淬试验，由于试验流程复杂、耗时，存在工作量大、成本高等问题。本研究基于8620钢产线数据，结合机器学习与特征工程技术，采用SHAP方法以及最优子集法筛选关键特征变量，使用7种不同的机器学习算法构建淬透性预测模型，结合十折交叉验证方法系统评估模型性能。对比分析发现，XGBoost模型在原始特征集上的表现最佳(决定系数R2=0.894，均方根误差RMSE=0.820 HRC，±2 HRC内的命中率为94.19%)，经特征筛选后RF模型仍保持较高精度(R2=0.866，RMSE=0.928 HRC，±2 HRC内的命中率为93.66%)，同时计算效率提高33%，实现8620钢Jominy端淬试样淬火端7.9 mm处硬度值（J7.9值）的低维高精度预测，为8620钢淬透性的预测和优化提供科学依据。

关键词： 腹膜透析   腹膜透析相关性腹膜炎   机器学习   预测模型   效能验证  

摘要： 目的 构建并验证基于机器学习的腹膜透析相关性腹膜炎（PDAP）风险预测模型，筛选关键预测因子，为临床早期识别高危人群提供决策工具。方法 选取2020年1月—2023年12月中山市中医院271例行腹膜透析治疗的患者，根据指南将患者分为PDAP组（73例）和非PDAP组（198例）。收集人口学特征、生化指标及合并症等资料，经中心化与标准化预处理后，按3∶1比例随机划分训练集（204例）和测试集（67例）。采用五折交叉验证（重复3次）优化超参数，构建支持向量机、随机森林、极限梯度提升、K近邻及最小绝对收缩选择算子（LASSO）回归五种机器学习模型，以曲线下面积（AUC）为主要指标评估性能。通过受试者工作特征曲线、混淆矩阵和决策曲线综合评估模型效能得出最佳模型，采用校准曲线进行验证。结果 PDAP组高血压比例、血糖水平高于非PDAP组，而磷、尿酸、转铁蛋白饱和度、钾、钙、白蛋白、谷丙转氨酶、总胆固醇、低密度脂蛋白胆固醇、总蛋白水平低于非PDAP组（P<0.05）；在测试集中，LASSO模型综合性能最优，其AUC为0.844，灵敏度0.611、特异度0.959、阳性预测值0.846、阴性预测值0.870、F1分数0.710、准确率0.866，且LASSO模型的决策曲线净获益最高（阈值概率范围0.1～0.8），校准曲线显示校准曲线斜率1.001、截距0.095,Brier评分0.119。LASSO筛选出10个重要性变量分别为合并高血压、总蛋白、总胆固醇、钾、谷丙转氨酶、钙、转铁蛋白饱和度、尿酸、磷、白蛋白水平。结论 LASSO回归模型在PDAP风险预测中展现了优异性能及临床实用性，其筛选的10项关键指标为高危患者早期识别干预提供量化依据。

关键词： 骨质疏松   机器学习   风险预测模型   预测因素  

摘要： 目的:采用机器学习方法探讨骨质疏松相关预测因素，并构建骨质疏松风险预测模型。方法:回顾性选取2020年5月至2021年12月于郑州大学第一附属医院健康管理中心进行健康体检的1 553例受检者为研究对象，按7∶3随机分为训练集(n=1 088)和测试集(n=465)，使用Logistic回归筛选骨质疏松预测因素，分别使用类别提升(Cat Boost)、随机森林、Logistic回归、支持向量机4种机器学习方法构建模型，采用ROC曲线、校准曲线、决策曲线分析(DCA)等评估模型性能，通过特征重要性和SHAP可解释性分析讨论骨质疏松的危险因素。结果:基于性别、年龄、SBP、Hb A1c、疾病史构建骨质疏松风险预测模型，其中Cat Boost模型在训练集与测试集获得了最优的AUC(95%CI)，分别为0.861(0.835～0.888)与0.833(0.783～0.883);校准曲线显示预测概率与实际情况相符;且DCA结果提示，当训练集与测试集中风险概率阈值<75%时，Cat Boost均获得较高的净收益。模型的SHAP可解释性分析显示年龄、性别、Hb A1c依次为骨质疏松预测的前三大重要特征(SHAP分别为0.127、0.028、0.006)。结论:基于Cat Boost方法构建的骨质疏松风险预测模型具有较好的预测效果，可为临床早期筛查及干预提供决策依据。

关键词： 光计算   光学神经网络   光计算架构   大规模智能光子计算   光电智能计算   人工智能  

摘要： 光学神经网络有着“结构即功能,传播即计算”的独特物理实现方式,在高性能计算领域引发了广泛关注.随着人工智能时代全面到来,算力需求呈现爆发式增长.光子计算凭借高速计算、高并行性以及超低功耗等优势,给全世界范围内的研究人员提供了一种颠覆性的计算架构和全新的技术路径.然而,光学神经网络的训练步骤普遍依赖GPU离线训练-参数在线部署过程.如何有效实现在线训练,实时调整网络参数,成为光计算领域急需解决的关键问题.清华大学方璐、戴琼海团队借助全前向智能光计算训练架构,打造出了国际首款大规模通用智能光计算芯片“太极”,实现了大规模神经网络的高效推理与训练.这项工作被评选为“2024年度中国科学十大进展”,为通用人工智能的高效能计算开拓了一条新路径.本文回顾了光学神经网络的发展历程,及其在架构设计、网络训练和应用领域的最新研究进展,着重分析了“太极”芯片在光计算领域的重要意义,及其在产业化应用中的发展前景.最后,对光计算的未来发展趋势进行了展望.