关键词： 机器学习   在线鲁棒张量恢复算法   交通降质数据   边信息  

摘要： 数据质量在大数据时代至关重要,完整准确的高质量交通流量数据是城市能够实现高效智能交通系统的关键.然而,现实中交通流量数据常因传感器故障、传输错误等问题出现缺失值与异常值,严重影响了系统性能.近年来,机器学习领域的低秩张量恢复算法因其能够捕捉高维数据内在低秩结构,对降质数据进行有效恢复而备受人们关注.然而,由于已有算法执行需要输入批量数据,在面对大规模数据尤其是流式数据时,低秩张量恢复算法通常需要较高的计算资源和存储开销.注意到智能交通系统中普遍存在的流式数据的质量问题后,本文聚焦于恢复交通领域的降质流式数据,通过深入挖掘此类数据场景中的隐式特征构建边信息,提出了一种适用于处理流式数据的耦合边信息的在线鲁棒张量恢复算法,能够同时处理交通降质数据的缺失值与异常值.我们在真实交通流量数据集上对算法进行验证,结果表明,本文算法不仅能够利用边信息实现更高精度的交通降质数据恢复,而且相较于传统低秩张量恢复算法,执行效率显著提升.

关键词： 人工智能   生成物   创作物   科技创新   知识产权  

摘要： 近年来，人工智能技术迅速发展，知识产权问题成为学术研究和司法裁判的焦点。本文梳理了国内外相关文献和司法判例，面向未来人工智能技术发展，从激励创新与权益平衡角度，研究了人工智能生成作品、标志与发明创造知识产权保护的主体资格、客体范围、获取标准、权利归属、实施运用、有效规制等基本问题，构建了包括主体资格制度、客体范围制度、获取标准制度、权利归属制度、实施运用制度、有效规制制度的人工智能知识产权保护制度体系，提出了人工智能生成物知识产权保护制度发展对策。本文认为，应实时修改和完善人工智能知识产权法律政策，明确生成作品、标志与发明可以获得知识产权保护，人工智能生成作品、标志与发明的知识产权归属应遵循合同原则，赋予人工智能本身作品完成者、标志设计者、发明者资格，应完善人工智能生成作品、标志与发明申请知识产权的获取标准，加强人工智能领域知识产权保护诚实信用原则、利益平衡原则、反知识产权滥用规制原则的适用。

关键词： 人工智能   一带一路   风险评估   可持续发展   跨文化交流  

摘要： 随着我国“一带一路”倡议的深入推进,人工智能在风险评估与预测、舆情情感分析与热点议题挖掘、交通物流与贸易优化、环境保护与可持续发展以及文化传播与教育等多个关键领域的应用日益广泛。目前,人工智能通过深度学习、机器学习和自然语言处理等技术,显著提升了风险预测能力和管理精度,优化了物流网络效率,促进了绿色发展实现,增强了跨文化交流效果。本研究系统综述了近年来人工智能在“一带一路”各关键领域的研究进展,重点探讨了这些技术在实际应用中的具体成效与创新点,分析了当前研究存在的数据获取质量不高、人工智能模型可解释性不足和跨领域协同与应用转化困难等局限,并提出了未来研究的发展方向。

关键词： 车道线检测   深度学习   机器学习   图像分割   卷积神经网络  

摘要： 车道线检测是自动驾驶和高级驾驶辅助系统中的关键技术之一， 它能显著提升道路安全性并降低交通事故的发生率. 本文对基于计算机视觉的二维车道线检测技术的最新研究进展进行了系统性的分析和总结， 并将其分为基于传统算法和基于深度学习算法两大类. 鉴于基于传统算法的方法性能较差， 本文主要对基于深度学习的车道线检测方法进行了分析与对比， 并将其分为基于分割的方法、基于检测的方法、基于关键点的方法和基于参数曲线的方法四种; 在概述了车道线检测的评估指标和常用数据集之后， 分析比较了基于深度学习的车道线检测方法的性能; 最后展望了未来的研究方向.

关键词： 车联网   机器学习   攻击检测   安全  

摘要： 车联网攻击检测已成为车联网安全防护中的重要组成部分。由于车联网系统的复杂性，传统的安全防护措施已难以应对日益复杂的安全需求。随着机器学习技术在数据处理和模式识别方面的快速发展，基于机器学习的攻击检测技术成为车联网安全研究的核心内容，其中，数据准备、模型训练和模型测试是车联网攻击检测中的关键步骤。现有综述虽然已对该领域进行了研究，但这些工作主要侧重于模型训练或车联网外部网络安全，未能全面涵盖攻击检测的整个流程。为弥补现有研究的不足，围绕数据准备、模型训练和模型测试这三个核心步骤展开探讨。基于研究结果，对车联网攻击检测面临的主要挑战进行总结，并提出了未来的研究方向。

关键词： 现代医学发展   工业革命   技术革命   人工智能  

摘要： 本文深入探讨了人类历史上的四次工业革命对现代医学发展的深刻影响,并对未来医学发展进行了展望.文章详细阐述了前三次工业革命对医学进步的推动作用;重点讨论了第四次工业革命与现代医学发展4.0的关系,论述了现代医学发展4.0的六大主要特征;从行业层面、国家层面、全球层面讨论了现代医学发展4.0时代面临的挑战并提出了应对建议;最后对现代医学5.0的未来发展进行了展望.文章强调要深刻把握科学技术所带来的机遇与挑战,推动医学技术的创新与应用,促进全人类的健康发展.

关键词： 食管癌   机器学习   鉴别诊断   生存分析   语义分割  

摘要： 食管癌（Esophageal Cancer， EC）是一种全球范围内高致死率的恶性肿瘤，尤其在我国，由于早期诊断率低、预后不良，已成为临床诊疗面临的重大挑战。近年来，机器学习（Machine Learning， ML）技术凭借多模态数据融合的智能分析方法，在推动食管癌诊疗精准化发展方面取得了显著进展。传统机器学习方法通过整合食管癌影像组学特征与临床文本信息，有效提升了早期病变诊断的敏感性，并为高风险患者的分层管理提供了科学支持。卷积神经网络（Convolutional Neural Network， CNN）以其高效的参数共享机制和卓越的局部特征提取能力，进一步增强了食管癌早期诊断与筛查的准确性。此外，将CNN与基于自注意力机制的Transformer模型相结合，显著提升了全局特征的建模能力，通过多模态数据的协同作用，在食管癌病灶分割、早期诊断、疗效预测和生存分析等方面展现出广阔的应用前景。然而，食管癌病变的高度异质性以及图像数据类别不平衡问题，依然对机器学习技术的临床应用带来了较大挑战。为进一步推动食管癌智能诊疗技术的发展，本文聚焦于食管癌早期筛查与诊断、疗效预测与生存分析、影像分割这三个关键领域，系统综述了传统机器学习、CNN及Transformer等前沿技术在EC诊疗中的研究现状与挑战，旨在为未来食管癌智能化诊疗研究提供有价值的参考与借鉴。

关键词： 机器学习   天体化学   星际介质   人工智能  

摘要： 天体化学作为天文学与化学的交叉学科,旨在研究宇宙中分子的特性与分布.近年来,机器学习技术在天体化学领域的应用取得了显著进展,尤其在提高光谱分析的精度和效率、识别与表征星际物质中的分子方面表现突出.深度学习方法能够从复杂的观测数据中提取关键信息,预测天体物理环境中的化学参数与反应路径,从而为研究分子在不同星际条件下的形成与演化过程提供重要工具.本文回顾了机器学习在天体化学研究中的重要应用,重点介绍了几项创新进展,包括基于机器学习算法的新方法提出和传统模型的优化.这些研究深化了对宇宙分子组成的理解,为探索天体化学中的未解之谜提供了新的视角.

关键词： 智能制造   机械设计技术   应用现状  

摘要： 随着科技的飞速发展,智能制造已成为现代制造业的重要趋势.在机械设计技术领域,智能制造的应用不仅提高了设计效率和质量,还有力推动了制造业的转型升级.基于此,文章分析了智能制造在机械设计技术中的应用现状,以及应用过程中存在的问题,并探讨了智能制造在机械设计技术中的应用策略,包括建立健全技术标准和规范体系、加强复合型人才培养、强化数据安全与隐私保护等,旨在推动智能制造与机械设计技术的深度融合,助力机械设计行业实现智能化升级,提升制造业的整体竞争力.

关键词： 原油收益率预测   分析师评论文本   自然语言处理   情感分析   机器学习  

摘要： 随着信息技术的迅速发展和广泛应用,财经新闻、投资者评论和社交媒体情感等文本数据被广泛用于国际油价预测.然而,现有研究常常忽视分析师评论文本情绪对原油价格的影响.为此,本文收集2009～2023年分析师对国际原油市场的评论数据,构建分析师情绪指标,设计多源异构数据与原油收益率预测框架,并运用机器学习算法探究分析师情绪是否能够提高国际原油收益率预测性能.实证结果显示,分析师评论文本蕴含了重要的原油市场预测信息,在引入分析师评论文本情绪指标后,各种模型对原油收益率的预测性能显著提升;特别是,深度学习类算法表现出更优异的预测性能,其中LSTM模型的预测效果最为突出;此外,分析师评论文本内容比评论标题包含更多原油市场预测信息,且评论文本总情绪相较于情绪极值、均值和分歧更能反映出原油市场预测信息.