关键词： 人工智能   师范生   职业能力   创新素养  

摘要： 针对AI应用能力薄弱、创新成果转化率低及培养体系存在课程割裂、评价滞后等问题,构建职业能力与创新素养协同发展理论模型。通过“三位一体”课程群重构知识体系,搭建创新实践平台,建立动态协同评价标准,并组建多学科融合的实践指导教学团队。实证表明,此路径能有效提升师范生新时代职业能力和创新素养,助力未来教师应对智能化教育变革。

关键词： 镇街   高校结对   智能制造   对接活动   新材料   吴兴  

摘要： 吴兴:镇街与高校结对系列活动举行近日,湖州市吴兴区举行镇街与高校结对系列活动——上海第二工业大学专场对接活动,活动聚焦智能制造与新材料领域,旨在强化区域企业与高校院所的精准链接,推动镇街与高校深度协作,吴兴区相关部门、企业及高校专家等40余人参加活动。

关键词： 自然语言处理   预训练   卷积神经网络   法律文本识别   人工智能  

摘要： 随着数字形式法律咨询文本的数量呈指数级增加,利用计算机实现在海量互联网数据中精确识别法律咨询类文本对于法律领域的人工智能辅助任务具有重要意义。本文提出了基于预训练-卷积神经网络(CNN)的法律咨询文本实体识别模型,模型结合了自注意力和局部信息捕捉的优势,对关键词更加敏感,对表述隐晦的句子可以进行更好的分类,从而实现对法律文本特征信息更好地抽取,也为小数据样本的场景下文本分类识别研究提供了新的思路。实验结果表明,基于预训练-CNN模型性能超过了其他预训练基线模型和深度学习模型,在验证数据集上F1值最高达到了99.06%。

关键词： 人工智能   城市治理现代化  

摘要： 人工智能作为模拟人类智能的技术体系,正在深刻改变城市现代化治理的模式。其强大的数据处理、分析预测、智能决策及自然语言交互能力,为城市治理提供了高效精准的解决方案,广泛应用于交通管理、应急指挥、环境监测、公共安全、政务服务等领域。大模型技术的崛起进一步提升了人工智能的跨领域整合能力和智能化水平,推动城市治理向更高效协同的方向发展。然而,当前人工智能应用仍面临数据质量参差不齐、技术瓶颈、制度滞后、隐私安全风险及人才短缺等挑战。为充分发挥人工智能在城市治理中的作用,需根据不同城市特点制定针对性策略,加强技术研发与数据共享,完善法律法规与伦理规范,提升公众参与度,并培养复合型人才。未来,随着“人工智能+”战略的深入实施,人工智能将在城市治理中创造更多创新场景,助力城市治理现代化迈向更高水平。

关键词： 电气自动化控制   人工智能   控制技术   应用探究  

摘要： 随着工业4.0不断向前推进及智能制造理念持续深入发展,人工智能技术在电气自动化控制系统里的融合运用变得越来越普遍。传统电气自动化控制系统把固定逻辑、预设流程及线性反馈当作核心,当面对复杂环境动态变化、多目标决策需求及非结构化数据时,其响应能力和适应性有着较为突出的瓶颈。现阶段,在工业生产、楼宇自动化、电网运行及智能交通等领域,人工智能已然成为构建新一代智能控制系统的关键技术支撑,人工智能不仅提升了自动化系统的智能感知、自主决策和协同控制能力,还重塑了传统电气控制系统的体系架构与运行逻辑。文章从人工智能与电气自动化控制融合路径着手,基于此分析当前面临的技术挑战及未来发展趋势,希望能为智能电气系统的构建提供理论依据和实践参考。

关键词： 经前综合征   脑电信号   机器学习   特征提取  

摘要： 经前综合征(Premenstrual Syndrome,PMS)严重影响女性的生活质量。其诊断目前主要依靠症状自评量表。然而,个体差异显著、患者依从性低以及评估流程标准化困难导致误诊率较高。凭借高时间分辨率,脑电图(Electroencephalography,EEG)在抑郁症和认知障碍等精神类疾病的评估中得到广泛应用,为PMS的客观诊断提供了新的可能。本研究收集了61例PMS患者和52名健康志愿者的EEG数据,采用预训练的OpenSMILE模型提取时频域特征,分别构建随机森林、梯度提升机、XGBoost和神经网络的分类模型。实验表明,随机森林在多个评估指标上表现较优结果,验证了EEG在PMS识别上的可行性与有效性。从信号处理与智能算法角度,本研究为PMS诊断提供了新的技术路径。考虑到面临的多重挑战,PMS诊断有必要进一步融合多模态信息、多视角特征和多维度指标,以构建更加精准和鲁棒的分类模型。

关键词： 全过程管理视角   高价值专利   价值测度   随机森林模型   机器学习  

摘要： 本文基于全过程管理视角下构建涵盖技术、法律、市场和经济四个维度的高价值专利评价指标体系,覆盖专利的创造、申请、审查和实施各阶段,以四川省授权发明专利数据为样本选用随机森林模型对其价值进行量化测度,并与逻辑回归和支持向量机模型进行对比分析,最后对专利特征重要性进行排序分析。研究发现:构建的高价值专利评价指标体系能较为全面反映专利价值特征;机器学习适用于高价值专利的分类任务,其中随机森林在分类准确性和稳定性方面表现最优;进一步的特征重要性排序结果表明法律维度在价值测度中权重最高,是区分专利价值高低的关键影响因素。

关键词： 测井解释   机理模型   机器学习   联合驱动   储层智能评价  

摘要： 地球物理测井是探测地下油气储层流体类型和评价储层参数的重要手段,传统测井解释方法面临挑战。人工智能(AI)算法先进,精度高,在测井解释方面具有独特的优势,“测井+AI”是当前测井解释研究的新领域。然而,智能测井解释中,样本规模小、训练模型泛化能力弱导致单纯机器学习的测井解释方法难以推广应用。物理模型包含从测井数据到地质目标的内在机理,将数据驱动与机理驱动相结合是提高测井解释精度的有效途径。现有的数据—机理联合驱动缺乏范式遵循,为此,聚焦智能测井解释参数预测,提出了数据—机理联合驱动的概念、思路,并总结出两个范式:一是数据引导的物理建模,以物理建模为主导,其中关键步骤或参数采用数据驱动获得,数据驱动为辅;二是物理引导的机器学习,以机器学习为主导,知识模型或物理机理为辅助,对输入数据、损失函数、训练过程进行监督和约束。因此,提出了物理模型增广数据集、知识驱动样本加权和岩石物理知识迁移三种数模双驱模式。将上述数模双驱的范式或模式应用于致密砂岩、有机页岩储层参数预测和矿物含量预测。与单纯数据驱动的机器学习相比,数据—机理联合的双轮驱动范式能够显著提高测井解释模型对小样本、差样本的学习能力,模型的稳健性更好,泛化能力更强,解释精度更高。

关键词： 大型风洞   健康监测   故障诊断   机器学习   人工智能  

摘要： 试验设备的可靠性、试验参数的稳定性、故障发生后的排查速度是影响大型低速风洞试验效率的关键要素,是实现自动化与智能化风洞必须解决的问题。传感器、工业以太网技术、机器学习等先进技术,在风洞关键部段及设备的管理和维修保障过程中发挥着积极作用。针对FL-10风洞,通过对大型低速风洞各子系统及设备的关键因素识别,利用先进的多维传感器及网络技术,实现风洞系统各关键部段及参数的实时监测;开展基于多源数据融合的关键设备健康监测与故障诊断算法研究,突破试验设备、参数的健康监测、故障检测与诊断等关键技术。本文所提出的大型低速风洞健康监测及故障诊断算法可提升风洞运维管理的效率和设备运行的可靠性,从而保证风洞试验的高品质、高精度运行。

关键词： 人工智能   放射性辐射监测设备   异常检测   预警系统  

摘要： 放射性辐射监测不仅关系到公共健康与环境保护,也是应急响应、健康评估的重要依据。首先,回顾放射性辐射监测的基本概念,明确建立放射性辐射监测设备异常检测与预警系统的必要性;其次,分析异常检测与预警系统的系统构成及数据流动过程,分析各个关键模块的功能与实现思路;最后,分析利用人工智能算法在数据建模、特征选择、算法选择、模型训练与验证等方面的应用,通过实验设置与结果分析验证系统可行性与有效性,充分应用人工智能技术建立有效的放射性辐射监测设备异常检测与预警系统,以期为相关人员提供参考。