关键词： 机器学习   步行功率   惯性测量单元   可穿戴设备  

摘要： 目的 探究基于惯性传感器（inertial measurement unit， IMU）数据的5种机器学习模型预测实时步行功率的性能差异，并评估不同IMU放置位置方案对预测性能的影响，以期为大众健身和运动干预提供理论依据。方法 同步采集7个部位IMU、运动捕捉及测力台数据。将基于环节动力学计算的功率作为金标准，建立了18 083条步行功率的数据集。对比弹性网络、随机森林、极限梯度提升（extreme gradient boosting， XGBoost）、人工神经网络和门控循环单元5种机器学习模型的预测性能，并采用留一交叉验证进行评估。基于XGBoost特征重要性确定重要的IMU位置。结果 XGBoost在7个IMU配置下性能最优（r=0.862），且推理时间满足实时需求（8.29 ms）。踝部IMU数据在预测中最重要，占28.64%。踝部+腕部IMU组合在双IMU配置中的综合性能最佳，踝部IMU在单IMU配置中预测性能最佳。结论 XGBoost在多个传感器中展现显著优势，踝部+腕部双IMU配置兼顾精度与可穿戴实用性，为运动干预中的负荷计量提供理论支持。

关键词： 关键核心技术   技术识别方法   指标体系   网络结构   人工智能  

摘要： 如何真正准确识别重要产业领域的关键核心技术，清楚关键核心技术差距和被卡脖子风险所在，对集中力量研发攻关具有重要意义。文章在归纳已有关键核心技术识别的文献基础上，从关键核心技术概念界定出发，提炼三大特征，归纳关键核心技术识别应遵循的一般流程，并对未来研究方向进行了展望。关键核心技术应具有技术关键性、核心价值性和长期累积性三个特征；关键核心技术识别框架应沿着领域选取、数据准备、方法选择与结果验证的流程逐步推进；未来研究应聚焦于利用人工智能大模型来识别关键核心技术，以推动关键核心技术识别简约化和准确化。

关键词： 数字企业   能源利用效率   超大规模市场   智能制造   绿色创新  

摘要： 数字企业的蓬勃发展催生了活跃的外部数字技术市场，通过加速实数深度融合进程，为中国能源利用效率提升带来了新的机遇。本文拓展了包含外部数字部门与内生技术决策的异质性企业模型，从企业内效应与企业间效应两个层面对数字企业赋能能源利用效率提升的机制展开分析，并探讨了超大规模市场优势的形成机理。基于此，本文构建数字接近度，并基于中国税收调查数据库对理论预测进行实证检验。结果表明，数字接近度的提高促进了制造业企业能源利用效率提升。机制检验显示，数字接近度的提高不仅促使企业增加数字投入以实现智能制造，还推动企业开展绿色创新活动，为能源利用效率提升提供内生动力。同时，数字接近度的提高也优化了市场资源配置，使市场份额向能源利用效率高的企业转移，最终实现整体能源利用效率提升。此外，超大规模市场强化了数字企业赋能企业能源利用效率提升的作用，形成了超大规模市场优势。进一步分析表明，产业多样性高、技术生态完备以及嵌入社群网络的数字企业，其对能源利用效率的提升效应更为显著。本文不仅从外部数字企业发展的角度丰富了数字经济助力绿色发展的内在逻辑，还为充分发挥超大规模市场优势提供了理论依据与政策建议。

关键词： 结核，胸膜   胸腔积液   诊断，计算机辅助   模型，统计学   算法   人工智能  

摘要： 目的：探索基于人工智能机器学习算法（machine learning algorithm，MLA）构建的诊断模型在结核性胸腔积液（tuberculous pleural effusion，TPE）诊断中的价值。方法：采用回顾性研究方法，参照入组标准纳入2020年1月至2022年9月乐山市人民医院收治的233例胸腔积液患者作为内部实验组，按是否诊断为TPE，将患者分为结核组（106例）和非结核组（127例）。运用R4.1.1软件进行数据整理和统计分析，利用LASSO回归筛选变量，并依此分别构建随机森林（RF）、支持向量机-线性核（SVM-linear）、支持向量机-多项式核（SVM-polynomial）、多因素logistic回归等4种MLA开发诊断模型。通过受试者工作曲线下面积（AUC）评估不同模型的诊断性能，并与胸腔积液腺苷脱氨酶（ADA）的诊断效能做比较。另纳入同期西南医科大学附属医院的141例胸腔积液患者（结核组101例，非结核组40例）进行外部验证。结果：LASSO回归分析显示，胸腔积液总蛋白、ADA、单核细胞占比，以及血清中性粒细胞占比、血小板计数、发热及盗汗均是TPE的危险因素（惩罚系数分别为0.216、0.058、0.003、0.049、0.000、0.045、1.605），而胸腔积液癌胚抗原（CEA）、多核细胞占比，以及外周血白细胞计数均与结核性胸膜炎出现概率更低相关（惩罚系数分别为－0.072、－0.029、－0.567）。构建的RF、SVM-linear、SVM-polynomial和多因素logistic回归分析等4种MLA开发的诊断模型对TPE的诊断敏感度分别为91.8%、84.5%、86.9%、85.4%；特异度分别为99.0%、81.6%、93.8%、81.6%；AUC值分别为0.988、0.875、0.959和0.886，均高于胸腔积液ADA（分别为83.1%、77.9%、0.820）。在外部验证中，RF、SVM-linear、SVM-polynomial和多因素logistic回归模型的AUC值分别为0.834、0.827、0817和0.815。结论：基于RF算法构建的TPE诊断模型具有最优质的诊断性能，可以更加简单、快速、有效地识别TPE。

关键词： 连铸   应变场预测   机器学习   SACGAN   FEA  

摘要： 在连铸生产流程中，铸坯容易形成角部裂纹、表面纵横裂纹、内部偏析和鼓肚变形等质量缺陷。此类缺陷的分析与控制对提升产品合格率至关重要，且一直是学术界与工业界长期关注的核心研究议题。在这些缺陷中，应变场分布数据作为裂纹与损伤预测的核心依据，凸显了铸坯截面应变监测研究的学术价值与工程意义。针对连铸过程应变监测的挑战与精度需求，提出了一种基于自注意力条件生成对抗网络（self-attention conditional generative adversarial networks，SACGAN）的创新解决方法。该模型以实时工况参数生成的温度场为输入，以铸坯截面应变场为输出，旨在探索其作为传统有限元分析（finite element analysis，FEA）方法高效替代方案的可行性。研究结果表明，该方法能够有效弥合物理机制分析与模型设计之间的差距，为连铸工艺提供了高效、精准的应变预测能力。此外，深度学习框架在处理更广泛的材料力学问题时亦展现出了相较于传统有限元法更显著的优势与更广阔的应用前景。

关键词： 类风湿关节炎   免疫   代谢   疾病分型   机器学习   诊断模型  

摘要： 目的 基于“寒热三期”治痹理论，对活动期类风湿关节炎（RA）进行寒热亚型区分，分析其代谢、免疫差异性，并使用机器学习方法纳入多维度指标，探索建立活动期RA寒热痹证判别模型。方法 453例为2022年7月—2023年6月于皖南医学院弋矶山医院就诊的RA患者，符合纳入标准60例，中医辨证属湿热痹阻证（简称热痹，26例）或寒湿痹阻证（简称寒痹，34例），同时选取健康志愿者作为对照组（20名），检测RA患者及对照组血常规、血生化指标、风湿3项、免疫球蛋白等数据，检测血清乳酸、酮体、游离脂肪酸、糖脂代谢及白色脂肪组织（WAT）相关炎症免疫指标，对比分析各组差异。基于逻辑回归算法（LR）、线性判别分析（LDA）等10种机器学习方法，筛选特征指标建立预测模型，行十折交叉验证，以F1值及受试者工作特征曲线下面积（AUC）等指标进行模型评价。结果 与对照组比较，RA患者糖脂代谢指标中甘油三酯（TG）显著降低（P<0.01），而空腹血糖（GLU）呈现上升态势（P<0.01），脂肪酸氧化关键酶肉碱棕榈酰转移酶-1(CPT-1)水平上升（P<0.05），并有酮体蓄积；热痹患者脂肪酸结合蛋白1(FABP1)浓度上调（P<0.01）;RA患者血液中棕榈酸、亚油酸、硬脂酸游离脂肪酸显著降低（P<0.05），以热痹更为典型。寒、热痹患者免疫指标比较，差异无统计学意义（P>0.05）。10个常用机器学习模型利用白介素-17A(IL-17A)、瘦素（LEP）、3-磷酸甘油酸异构酶（3-PGI）、基质金属蛋白酶3 (MMP3)等22个参数能较好预测寒热亚型，其中LDA表现优异，经十折交叉验证，受试者AUC平均值为0.74。结论 免疫和代谢表型差异产生寒、热痹证的基础，联合多指标可以提升有关参数的亚型区分能力。

关键词： 人工智能   计算光互连   光引擎   光电集成   硅光  

摘要： 随着现代社会信息量的爆发式增长和人工智能技术的迅猛发展，智算中心在通信带宽和能耗方面正面临前所未有的挑战。传统的高速互连架构已难以满足数据流量持续增长的需求。在此背景下，硅光子技术日益成熟，其具备高带宽密度与低功耗的优势，正在重塑现代数据中心的互连体系。通过将光电芯片深度融合并集成于一体，该技术显著缩短了电气连接距离，使光互连逐步延伸至交换机封装内部，甚至实现了计算芯片间的低延时、远距离通信，极大拓展了算力的边界。本文综述了面向计算光互连的光电融合集成芯片的最新研究进展，系统分析了各类关键器件和芯片面临的技术挑战，并展望了硅光引擎未来的发展方向及其在多领域的广泛应用前景。

关键词： 机器学习   运动预测   不规则波预测   船舶运动   海上平台运动  

摘要： 为研究机器学习在海上结构物运动预报的发展现状及其亟需解决的关键问题，文中对近10年来海洋工程领域针对海上结构物运动预报的研究进行了全面的论述。随着海上结构物运动预报的需求不断扩大，基于流体力学理论的传统预测方法在预报精度与预报实时性上不能同时满足实际应用需求，而机器学习方法的出现，使精确预测未来时刻的运动响应并依据该响应实现结构物的超前控制成为现实。本文基于预报方法的建模原理将其分为统计回归方法、一般神经网络方法、智能神经网络方法与混合预测方法4类，并对4类方法进行了全面的回顾、分析和综合。最后，分析了当前存在的不足与问题，并从预报方法、框架以及数据集等方面给出了未来发展方向，可为船舶、海上平台等海上结构物运动预测领域的发展提供参考。研究表明：机器学习在海上结构物运动预报领域的研究尚处于相对初始阶段，仍有许多技术难题亟需解决，但随着AI大模型的大力发展与本领域研究学者对机器学习研究的不断深入，可为本领域特色预报方法的开发提供坚实基础。

关键词： 人工智能   复杂经济学   制造业上市公司   创新   分层测度  

摘要： 万物智能互联时代，人工智能（AI）作为通用目的技术，加速了全球知识网络的生成。西方主流经济学仅将AI视为生产要素的投入，难以刻画AI技术知识构成的复杂性及其发展的可赶超性。本文基于复杂经济学视域，将AI凝练为复杂嵌套的层级知识系统，构建了AI领域的全球知识共现分层网络，创造性地提出了企业AI技术水平的分层测度方法；根据Jaccard相似度，将AI技术层次划分为通用AI与应用AI两大社区以及底层算法、感知类、平台型、行业应用型技术四大聚类。基于中国制造业上市公司的实证分析发现：通用AI在企业间呈现较强的幂律特征，企业AI技术构成的重心正由平台型技术向底层算法迁移。本文掲示了AI通过知识搜寻的深度与广度对企业创新的传导路径与机制，验证了AI对企业创新的总体影响与行业异质性影响；企业AI技术水平每提高1%，创新水平提高0.65%。本文既破解了AI技术知识构成的“黑箱”，也破解了AI创新效应的“黑箱”，为AI技术分类与测度作出基础性贡献。中国正在迈向强AI时代，以AI底层算法为引领的使命导向型政策将为中国在AI新赛道实现技术赶超提供强大动能。

关键词： 大数据管理与应用   人工智能   专业学位调查报告   培养方案   教育  

摘要： [目的/意义]随着“人工智能+”快速融合到不同学科中，大数据管理与应用专业也进行了相应变革，开展大数据管理与应用专业本科教育的发展状况调查研究，有助于反映其发展趋势并提出相应建议。[研究设计/方法]通过从教育部官网获取本科专业审批数据，进而从院校现状、国家政策与行业要求、人工智能浪潮影响三个层面，系统剖析我国大数据管理与应用本科教育的进展，并与往年数据比较反映该专业的发展趋势。[结论/发现]截至2024年10月，全国（不含港澳台）该专业的培养单位数量达到252所。多数院校在制定培养方案时结合自身优势大力发展，但仍存在培养单位的课程体系和培养目标、社会需求导向不完全匹配，需结合国家社会需求利用人工智能为学科赋能，增强专业核心竞争力。[创新/价值]通过梳理大数据人才政策和就业要求，对大数据管理与应用本科专业全面调查和深入分析，反映该专业当前现状和发展趋势，为培养单位持续培养大数据人才提供有价值的参考。