关键词： 多智能体系统   基于问题学习   模拟教学   人工智能   护理教育  

摘要： 目的:探讨基于多智能体协作的基于问题学习（PBL）模拟教学系统的构建及其优势。方法:首先，建立PBL护理教学案例库，进行案例收集、整理、编写和评审；然后，借助扣子平台编辑知识库、数据库、全局变量和工作流、设计教学进度控制方式和评价方法，最终构建PBL模拟教学系统。结果:构建了多智能体协作的PBL模拟教学系统，证明了其用于PBL教学的可能性。结论:多智能体协作的PBL模拟教学系统有较大的开放价值和空间，有助于实现个性化教学。

关键词： 招聘会   智能制造   对口帮扶   崇州市   数字媒体  

摘要： 为深入贯彻落实稳就业、保民生决策部署,做实做细对口帮扶就业工作,近日,成都崇州市与阿坝州马尔康市联合举办2025年对口帮扶促就业系列活动,精准发力稳就业、保民生,为马尔康市群众搭建就业桥梁,携手推动高质量充分就业。举办“春风行动”专场招聘会岗位送到“家门口”精准服务暖人心在系列活动中,组织开展了“崇—马”2025年对口支援“春风行动”专场招聘会。崇州市人社局根据马尔康市群众的就业需求,收集市内相关企业用工需求信息,初步筛选匹配后,共组织10家涉及智能制造、数字媒体、酒店服务等多个行业领域的企业提供就业岗位160余个,涉及普工、操作工、技术员、视频剪辑、销售等岗位。活动现场,求职者积极与企业交流互动,了解招聘岗位、招聘条件、企业情况、薪资待遇等,共吸引500余人次参与,初步达成就业意向112人。

关键词： 边坡稳定性   机器学习   多模型决策级融合   预测模型   SAHP可解释性分析  

摘要： 针对传统单一机器学习模型在边坡稳定性预测中存在泛化能力不足、敏感性指标分析缺失等问题，本研究旨在通过多模型融合策略提升预测精度，为边坡工程的风险预警与优化设计提供理论支撑。结合文献调研得到的1077个土质边坡案例，选取容重、黏聚力、内摩擦角、边坡高度、角度和孔隙水压力比作为输入变量，基于随机森林、支持向量机和梯度提升机3种基学习器，通过逻辑回归的Stacking方法实现多模型决策级融合，并基于SHAP分析解释各输入变量影响边坡稳定性内在机制。结果表明，多模型决策级融合模型预测精度高，其准确率为93.52%,F1分数为93.81，平均精度分数为98.39,AUC值为0.9822，相较于其他3个模型有了明显提升，并基于工程应用样本进一步验证其工程意义，表明多模型融合策略在边坡稳定性预测中表现出更优的鲁棒性和泛化能力，更具有工程实际价值。全局SHAP分析揭示对边坡稳定性影响大小顺序依次为容重、黏聚力、内摩擦角、边坡角、边坡高度及孔隙压力比，其中容重、黏聚力、内摩擦角具有显著正向影响，而边坡高度、角度和孔隙水压力比则倾向于降低稳定性，同工程实际影响机制相吻合。同时基于特征依赖性明确各影响因素边界，通过个体依赖性进行验证，体现出良好的工程一致性与可解释性。研究结果可为边坡灾害的风险评估和管理提供了理论支持和实践指导。

关键词： 北约   战略传播   人工智能   俄乌冲突   信息战  

摘要： [研究目的]战略传播已成为北约实施信息环境塑造和信息武器攻击的战时军事行动。分析北约战略传播中人工智能应用的机制,有助于把握冲突背景下北约战略传播部署的新动向,为我国防范潜在威胁提供参考。[研究方法]以5W传播模型作为分析框架,以传播活动的5个关键要素作为主要分析对象,采用路径研究法对北约战略传播中应用人工智能的各个环节进行机理剖析。基于北约战略传播新举措,以网络调研和案例分析的方法概括应用条件和主要特点。[研究结果/结论]北约战略传播中的人工智能应用形成了“主体统筹—渠道选择—受众分析—内容生成—效果反馈”的运行机制,它不是单向线性路径,而是多元复杂循环。人工智能支持下,北约战略传播具有宣传覆盖广泛性、信息传送隐蔽性和传播活动高效性等新特点。这一部署扩展了人工智能军事化的边界,将引发人工智能军备竞赛在新的领域开展,同时也存在着技术和伦理等问题,易招致国际社会质疑。

关键词： 阻塞性睡眠呼吸暂停   治疗后中枢性睡眠呼吸暂停   持续气道正压通气   预测模型   机器学习  

摘要： 目的 基于不同机器学习算法构建治疗后中枢性睡眠呼吸暂停(TECSA)预测模型,并比较模型性能,为临床预判此类患者的疾病风险、无创呼吸机的模式选择及治疗效果提供参考依据。方法 回顾性分析行多导睡眠监测(PSG)和持续气道正压通气(CPAP)治疗的阻塞性睡眠呼吸暂停(OSA)患者419例,根据患者进行CPAP压力滴定后是否出现TECSA将患者分为TECSA组和非TECSA组,并对影响因素进行单因素分析,然后将P<0.05的因素纳入构建模型。训练集使Logistic回归(LR)、随机森林(RF)、支持向量机(SVM)和极端梯度提升(XGBoost)四种算法构建TECSA预测模型。内部验证使用bootstrap法。验证集利用受试者工作特征(ROC)曲线下面积(AUC)、准确度、灵敏度、特异度、Kappa值、F1值等指标评价模型预测性能。结果 单因素分析发现年龄、体重指数(BMI)、基线PSG诊断的呼吸暂停低通气指数(AHI_(PSG))、中枢性呼吸暂停指数(CAI_(PSG))、混合性呼吸暂停指数(MAI_(PSG))、觉醒指数(ArI)、平均血氧饱和度(MSpO_(2))、最低血氧饱和度(MinSpO_(2))、SpO_(2)<90%时间占总睡眠时间的百分比(T90%)、非快速眼动(NREM)睡眠N1、N2、N3占总睡眠时间的百分比(N1%、N2%、N3%)、CPAP治疗后的呼吸暂停低通气指数(AHI_(CPAP))、中枢性呼吸暂停指数(CAI_(CPAP))、治疗压力和平稳呼吸状态下的经皮二氧化碳分压(TcpCO_(2))与发生CSA时的TcpCO_(2)的差值在两组间均具有统计学意义。基于LR、RF、SVM和XGBoost四种算法构建的TECSA预测模型性能良好,以XGBoost模型预测性能最佳。结论 基于XGBoost构建的TECSA预测模型有助于临床预判此类患者的疾病风险,并为其选择适宜的治疗方案提供有效的预测工具。

关键词： 镍基单晶高温合金   蠕变寿命预测   机器学习   ANN模型  

摘要： 镍基单晶高温合金因其优越的高温强度，被广泛应用于航空发动机热端部件，蠕变寿命是衡量单晶高温合金性能的重要指标。本研究通过建立ANN机器学习模型，实现高温合金蠕变寿命预测，通过在模型内添加合金显微组织参数提高模型精度，降低模型过拟合倾向，提高模型泛化能力。将模型应用于DD4500合金优化，逆向指导合金成分设计，新设计合金较原合金蠕变寿命得到大幅提升，同时印证了机器学习技术应用于材料科学领域的有效性。

关键词： 人工智能   传统产业   产业转型   产业升级  

摘要： 为探究人工智能驱动传统产业转型升级的内在逻辑与实践路径，文章采用理论分析与政策研究相结合的方法，对人工智能赋能传统产业的动力机制、实施路径及综合效应进行了系统研究。结果表明：技术突破、市场需求演变和政策引导构成核心驱动要素；通过生产制造智能化、产品服务个性化和产业生态协同化3条路径，可显著提升生产效率、优化资源配置并重构产业价值链；在经济层面创造新增长点，社会层面改善就业结构，生态层面推动绿色发展。文章旨在揭示人工智能与传统产业融合的创新模式，为我国传统产业智能化转型和经济高质量发展提供理论参考与实践依据，同时提出需构建“创新激励 - 风险防控”平衡机制，以应对数据安全与伦理治理等挑战。

关键词： 机器学习   变形性能   排钢管钢板混凝土剪力墙   可解释性分析  

摘要： 针对复杂结构构件变形性能研究中试验成本高、评估方法难以量化、评估精度较低等问题，提出一种基于机器学习的构件变形性能评估方法。该方法使用超拉丁群抽样法批量建立有限元模型，并将基于材料应变确定的构件性能点和机器学习预测模型相结合，构建一个高效的变形性能评估框架，能够在减少试验及计算成本的同时提高评估精度。将该方法应用于一种新型剪力墙构件（排钢管钢板混凝土剪力墙），建立1 200个精确的有限元模型，构建以轴压比、剪跨比、钢材厚度、钢管间距、剪力墙厚度、钢材强度及混凝土强度为关键参数的机器学习训练数据集。预测结果表明，模型预测精度较高，通过SHAP可解释性分析，揭示参数对排钢管钢板混凝土剪力墙的影响以并验证了模型的鲁棒性，准确高效地实现排钢管钢板混凝土剪力墙的变形性能评估。该评估方法为试验数据稀缺、试验成本高且难以开展变形性能研究的复杂构件提供了一种可行的变形性能评估手段，为构件的延性设计及参数优化提供依据和参考，并以P-CFST-SCSWs为例，展示了其在复杂剪力墙构件中的应用潜力。

关键词： 银耳   高血脂   网络药理学   机器学习   孟德尔随机化   ADMET分析  

摘要： 血脂异常是诱发心血管疾病的关键危险因素，探寻安全且高效的降血脂天然产物，对防控心血管疾病意义重大。本研究旨在运用网络药理学、机器学习、孟德尔随机化以及ADMET方法探讨银耳降血脂的潜在机制。研究结果表明，银耳的 22个次级代谢产物与 233个靶点共同作用，蛋白质网络分析显示MTOR、CASP3、EGFR、RHOA、TP53、STAT3、AKT1、HIF1A等为关键靶点，经构建2种机器学习模型预测得到交集特征靶点为CASP3和HIF1A，进行两样本孟德尔随机化(MR)分析发现，CASP3与高血脂的发病之间呈现出显著的因果关联。GO功能和KEGG 通路分析发现CASP3主要涉及p53信号通路、AGE-RAGE信号通路与糖尿病并发症、MAPK信号通路。分子对接结果显示，银耳中的3-hydroxy-2，4，7-trimethoxy-9，10-dihydrophenanthrene (Tf2)、simulansine (Tf8)和urinatetralin (Tf18)等活性成分与关键靶蛋白CASP3之间具有良好的结合作用。基于吸收、分布、代谢、排泄及毒性(ADMET)的系统分析表明，上述3种活性成分展现出优良的药代动力学特性，在胃肠道吸收方面表现出色，具备一定的开发成药物的潜力。本研究为银耳应用于高血脂治疗的临床实践及未来研究，提供了一定的参考。

关键词： 子宫疤痕憩室   机器学习   LASSO交叉验证   风险预测   剖宫产术   列线图  

摘要： 目的 筛选剖宫产术后发生子宫疤痕憩室(CSD)的危险因素并构建风险预测模型。方法 调取行剖宫产术的491例产妇作为研究对象,并收集数据库中术后12个月对产妇进行回访的阴超数据,将数据集按照7:3随机分为训练集和测试集;使用最小绝对值收敛和选择算子(LASSO)进行变量筛选得到特征变量,对特征变量进行多因素Logistic回归分析,进一步使用R软件构建列线图联合预测模型,同时对模型进行内部评价及验证。结果 共纳入491例样本数据,其中训练集344例,测试集147例;通过LASSO交叉验证算法筛选特征变量,最终筛选出5个变量:剖宫产次数、2次剖宫产间隔年数、24 h出血量、手术时间和子宫位置(P <0.05)。利用其构建的CSD风险预测模型内部评价和内部验证的决策分析曲线准确度较高;训练集及测试集中诊断模型的AUC(95%CI)分别为0.75(0.71～0.80)和0.79(0.71～0.87)。结论 采用LASSO交叉验证算法建立的风险预测模型对产后CSD发生具有良好的预测价值,值得临床关注。