关键词： 锅炉行业   数字化工厂   数字化管理   工业机器人   智能工厂   人工智能   生产组织模式   大数据  

摘要： 2024年10月30日,水冷壁数制·智联工厂在中国东方电气集团有限公司所属东方锅炉德阳制造基地正式投运,该项目由东方研究院总承包,是继联箱、蛇形管数字化工厂投产后又一行业标杆智能工厂,也是国内锅炉行业首个水冷壁数制·智联工厂。据了解,该工厂融合了工业互联网、工业机器人、机器视觉、大数据及人工智能等先进技术,创新生产组织模式,实现了全程数字化管理。试运行以来,设备数字化率达100%,人均产值提升5倍,为生产提速、高效交付提供了支撑。

关键词： 绕射多次波衰减   人工智能   目标检测   字典特征学习  

摘要： 深水崎岖海底或含有复杂构造海域的地震资料存在严重的绕射多次波。传统的多次波衰减技术依赖于多次波模型与原始数据的相似度,当它们之间的差异较大时,则绕射多次波的衰减效果不佳。提出了利用人工智能深度学习中的目标检测网络检测绕射多次波区域;然后利用字典特征学习的方法,将多次波衰减问题转化为多次波字典特征学习与再重构问题,从而解决了绕射多次波模型与实际数据之间存在较大差异的问题。正演数据及实际数据应用表明,基于人工智能的残余绕射多次波衰减技术能够有效确定绕射多次波的位置并衰减残余绕射多次波,解决了绕射多次波预测不准、衰减效果不佳的问题。

关键词： 大蒜   色谱-质谱联用(GC-MS)   产地溯源   代谢组学   机器学习  

摘要： 以云南、山东、河南、安徽和江苏5个产地的200份紫皮大蒜为原料,基于气相色谱-质谱联用(gas chromatography-mass spectrometry,GC-MS)代谢物数据,使用主成分分析(PCA)和偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)进行代谢组学分析,采用最大最小归一化(min-max scaler,MMS)、标准差标准化(standard scaler,SS)和标准正态变量变换(standard normalized variate,SNV)三种预处理方法分别建立了随机森林(random forest,RF)、支持向量机(support vector machine,SVM)、XGBoost以及卷积神经网络(convolutional neural network,CNN)、长短期记忆神经网络(long short term memory,LSTM)对大蒜产地进行分类判别。结果表明,不同产地的大蒜中共筛分到66种代谢物,基于PLS-DA筛选出12种差异代谢物,涉及到6条代谢通路:分别是缬氨酸、亮氨酸和异亮氨酸生物合成、半乳糖代谢、氰氨基酸代谢、乙醛酸和二羧酸代谢、甘氨酸、丝氨酸和苏氨酸代谢、D-氨基酸代谢。在5种机器学习模型中,LSTM表现最佳,其在三种预处理方法下的测试集准确率均为100%。本研究基于代谢组学和机器学习LSTM相结合,在识别大蒜产地方面具有很高的准确性和可靠性,为大蒜产品的溯源提供了可靠的技术手段。

关键词： 人工智能   产学合作   课程教学   优化路径  

摘要： 在人工智能背景下,本课题以计算机网络课程为例,基于产教融合的课程教学优化路径进行研究。聚焦产学研用结合的人才培养模式研究、人工智能与计算机网络课程结合的教学资源研究,将人工智能技术融入课程内容中,形成新形态课程体系及先进的教学模式。对人工智能驱动下的应用型人才实践与实际操作人才培养具有参考价值,实现教学方式的多样化和个性化,满足行业人才培养的要求。

关键词： 新质生产力   人工智能   出版业   编辑出版  

摘要： 分析了在科学技术快速发展的背景下,出版业面临的挑战和机遇。如何积极拥抱以大数据和人工智能为代表的新的科学技术,使之成为助力出版业快速发展的新质生产力,是出版人必须认真思考的问题。分析了新质生产力在出版工作中的应用,并针对出版工作中选题策划等问题进行SWOT分析,提出了新质生产力助力传统出版业创新发展的思路和途径,为出版业的可持续发展提供相关参考。

关键词： 网络安全   漏洞评估   可利用性   指标约简   机器学习  

摘要： 通用漏洞评分系统是目前应用最为广泛的漏洞评估方法,但其评估结果偏向于漏洞本身的危害性,而未考虑网络环境因素。针对上述问题,提出一种面向网络环境的漏洞可利用性评估方法,基于群体专家经验,利用统计学方法选择漏洞属性,构建漏洞可利用性评估指标体系。同时,结合网络环境属性,基于最近邻算法对漏洞可利用性进行评估。该方法能对已知和未知漏洞进行精准的智能化评估,既融合了网络环境对漏洞可利用性的影响,又降低了专家经验的依赖程度。最后通过实验验证了该方法的有效性。

关键词： 压力性损伤   人工智能   深度学习   YOLO   目标检测   神经网络模型   App  

摘要： 背景随着人口老龄化,压力性损伤(PI)的发病率逐渐增加,这不仅严重影响了患者的生存质量,还增加了医保支出。然而,PI的早期发现和准确分期极大地依赖于专业培训。目的构建并测试一个用于PI自动检测和分期的人工智能模型,以提高PI诊断的实时性、准确性和客观性。方法选取常熟市第一人民医院压疮电子化管理系统中2021年1月—2024年2月的693张PI图像,将图像随机划分为训练集(551张)和测试集(142张),并按照2019年美国压疮咨询委员会(NPUAP)制订的PI预防和治疗指南分为6期,包括:Ⅰ期154张、Ⅱ期188张、Ⅲ期160张、Ⅳ期82张、深部组织损伤期57张、不可分期52张。利用基于5种不同版本的YOLOv8[nano(n)、small(s)、medium(m)、large(l)和extra large(x)]神经网络和迁移学习,建立针对PI的深度学习目标检测模型。模型评价指标包括精确度、准确率、灵敏度、特异度及检测速度等。最后,通过Ultralytics Hub平台将模型部署到手机应用程序(App)中,实现AI模型在临床工作中的应用。结果在对包含142张PI图像的测试集进行评估时,YOLOv8l版本在确保高精确度(0.827)的同时,也展现了较快的推理速度(68.49帧/s),与其他YOLO版本相比,在精确度与速度之间取得了最佳的平衡。具体而言,其在所有类别上的整体准确率为93.18%,灵敏度为76.52%,特异度为96.29%,假阳性率为3.72%。在6个PI分期中,模型预测Ⅰ期的准确率最高,达到95.97%;预测Ⅱ期、Ⅲ期、Ⅳ期、深部组织损伤期、不可分期分别取得了91.28%、91.28%、91.95%、95.30%和93.29%的准确率。就处理速度而言,YOLOv8l处理142张图像的总耗时为2.07 s,平均每秒可处理68.49张PI图像。结论基于YOLOv8l网络的AI模型能够快速、准确地对PI进行检测和分期。将该模型部署到手机App中,能够在临床实践中便携使用,具有很大的临床应用潜力。

关键词： 人工智能   人才培养   育人体系   意义   路径  

摘要： 随着信息技术的快速发展,人工智能成为推动教育改革的重要力量,尤其在高校育人体系中更显现出独特的价值.文章对人工智能在高校人才培养中的意义与价值进行深入探讨,通过搭建理论与实践相结合的桥梁,探索教育数字化背景下的教学革新策略,提出促进学生能力培养和个性化发展的路径方式,以期为人才培养的实践提供新的视角和策略,为后续相关研究提供参考.

关键词： 舆情   情感分类   机器学习   微博  

摘要： 在互联网飞速发展的时代,各类新闻在社交媒体平台上层出不穷,引起网民们的大量讨论,从而产生舆情。网民在平台上所发表的评论中往往包含了对于热点新闻的态度和看法,这些态度和看法中会包含大量的情感信息,而正确地对这些情感信息进行分类对于后续舆情的积极引导、监控、处理都有重要意义。采用支持向量机(SVM)对经过处理的文本情感进行分类。实验结果表明,该模型表现良好,准确率高达0.87,证明了其优秀的分类性能。

关键词： Sora   文生影像   中国风格   人工智能   自创生   隐私让渡  

摘要： Sora文生影像模式的出现,标志着人工智能正式进入千亿级参数量的大数据、大模型时代。AI智能既初步具备了机器知觉能够“识万物”,又能通过输入文字、参数使“万物生”。伴随新质生产力的壮大,中国应深刻理解科技不仅是生产力,而且是意识形态,应努力建构符合中国美学风格、满足中国用户需求的智能化系统;推动中国语境下的科学与人文相结合,形成能够在未来国际虚拟社区传播、具有中国风格的自创生AI体系,全面推进新时代中国智造与世界智能新业态的紧密融合。