关键词： 机器学习   教师画像   多模态数据   高职院校   数据分析  

摘要： 文章提出一种基于多模态数据融合的教师数字画像系统。它包含三阶段处理流程,首先通过多层次采集机制和增量同步策略实现多源教师数据的实时精准采集;其次利用改进的CILP框架完成跨模态数据的特征提取与降维,有效解决多模态数据对齐与融合问题;最后结合IQR数据清洗和自监督深度聚类算法生成多维度的教师精准画像。实验结果表明,该系统能够有效整合教师教学、科研、管理等多维度数据,为高职院校教师评价与发展提供数据支持。

关键词： MES系统   智能制造   生产流程优化   系统集成  

摘要： 由于信息化程度较低,部分中小型企业在生产、加工和运行环节的工作难度较大,发展“制造执行系统”成为必然选择。基于此,文中从实践出发,简单分析了企业制造执行系统的主要内容,论述了企业MES系统在智能制造中的应用,并提出了具体的实现路径,以便为智能制造业的生产经营和其他相关工作提供参考。

关键词： 人工智能   联动控制   业务模型   图像识别  

摘要： 为提高煤矿安全性与效率,智能异物识别和联动控制系统应运而生。系统通过分类照片,创建数据集并标记元素,利用积累数据发布警报,提高代码效率和数据流畅性。通过迭代训练优化目标检测模型,提升识别准确率和效率。采用正反向学习策略训练神经网络模型,通过混淆矩阵和概率抽样方法评估准确性。系统集成至煤流运输系统,准确识别多种异物。建立异物检测告警中心,具备实时视频展示、自动巡检、远程遥控和无线传输功能预防事故。构建中台系统架构,集中管理设备,提高操作效率和灵活性。优化识别模型满足生产需求,创建标准化模块,加强集控和操作安全性。

关键词： 课程思政   自动控制理论   教学改革  

摘要： 课程思政与专业课程的有机融合对高校立德树人和教育教学改革有重要意义。文章以自动化专业自动控制理论课程为例,探究思政元素融入该专业课程教学的可行性与实效性。尝试通过教学内容的改革,将思政元素微观植入课程目标设定,从宏观到微观多尺度融合实施课程,使课程的教学内容、方法和评价更全面地贯彻立德树人理念。综合改革方法可以最大限度地实现全方位的人才培养,促进学生成为具有道德情怀和创新能力的优秀专业人才。

关键词： 腧穴自动定位   深度学习   人工智能   智能针灸机器人   中医智能装备   针灸  

摘要： 梳理近年来深度学习方法应用于腧穴自动定位的文献,分别围绕腧穴数据集构建、神经网络模型设计和腧穴自动定位精准性评价3个关键环节进行系统总结。尽管深度学习在腧穴自动定位领域取得了重要进展,但仍需进一步扩大腧穴检测规模并提高模型的精度、泛化能力和实时性。未来的研究可集中在标准化数据集支持以及结合3D建模和多模态数据融合,以实现更加精准和个性化的腧穴自动定位。

关键词： 肝细胞癌   人工智能   机器学习   风险预测   诊断   治疗选择   预后评估  

摘要： 肝细胞癌是常见的实体肿瘤。近年来,尽管针对肝细胞癌的诊治方案已得到广泛研究与开发,但患者的整体预后状况仍然不容乐观。机器学习作为人工智能的核心技术,在肿瘤研究领域的应用日益广泛。与传统回归模型相比,机器学习模型在处理高维数据和复杂非线性关系方面表现更为出色,这使其成为肝细胞癌研究的理想工具。本文综述了机器学习在肝细胞癌风险预测、诊断、治疗选择及预后评估方面的应用,旨在为临床实践与后续研究提供参考和借鉴。

关键词： 机器学习   传感器   XGBoost  

摘要： 本文研究了利用机器学习算法预测机器故障。作者使用了和鲸社区的传感器数据,包含footfall,tempMode,AQ,USS,CS,VOC,RP,IP,Temperature和fail等特征。利用这些数据,分别构建了XGBoost、随机森林和KNN三种机器学习模型进行故障预测,并比较了它们的性能。实验结果表明,XGBoost模型在AUC和准确率等指标上表现最佳,AUC值为0.9721,准确率为0.9120。机器故障预测在工业生产中具有重要意义,可以减少设备停机时间,提高生产效率。本文的研究成果可以为企业提供有效的机器故障预测方法,具有一定的实际应用价值。This paper studies the prediction of machine failures using machine learning algorithms. The author utilized sensor data from the whale community, including features such as footfall, tempMode, AQ, USS, CS, VOC, RP, IP, Temperature, and fail. Using these data, three machine learning models, namely XGBoost, Random Forest and KNN, were respectively constructed for fault prediction, and their performances were compared. The experimental resultss show that the XGBoost model performs best in terms of indicators such as AUC and accuracy rate. The AUC value is 0.9721 and the accuracy rate is 0.9120. Machine failure prediction is of great significance in industrial production, which can reduce equipment downtime and improve production efficiency. The research results of this paper can provide enterprises with effective machine fault prediction methods and have certain practical application value.

关键词： 人工智能   小学数学   优化  

摘要： 人工智能技术在小学数学课堂的实践中,逐渐从技术展示转向教育价值探索。本研究通过跨区域课堂观察与案例分析,揭示AI技术应用中的目标偏离与效能失衡问题,提出“目标校准—工具适配—主体协同”三维优化框架。研究发现,建立以核心素养为导向的技术筛选机制、开发轻量化教学工具、构建人机协同决策模式,可有效推动AI技术从“形式化应用”向“教育性赋能”转化,为智能技术与课堂教育的深度融合提供实践参考。

关键词： 拖拉机   焊接结构   振动疲劳   寿命预测   机器学习   深度学习  

摘要： 焊接结构广泛应用于实际工程中,常常承受着复杂的随机动载荷,当动载荷频率与结构固有模态频率接近时,接头会发生疲劳破坏,而传统的单轴静载疲劳分析方法无法准确预测这种情况下的疲劳寿命。因此,需要采用更加精细和准确的方法来分析焊接结构的疲劳寿命,以保证结构的安全性和可靠性。为此,基于统计学和机器学习方法构建了预测模型,包括基于逐步回归的多元线性回归模型、基于支持向量机的非线性回归模型和基于神经网络的深度学习模型。同时,以农业拖拉机为研究目标,对比分析了3种模型的预测性能,结果表明:基于神经网络的深度学习模型具有最佳的预测精度和稳定性。

关键词： 人工智能   心理学   主体性科研创新能力  

摘要： 随着人工智能(AI)技术的快速发展,心理学研究生科研创新能力的培养面临双重效应:AI技术依赖可能导致研究主体地位异化与科研责任虚化,但合理运用AI亦可突破传统研究瓶颈,赋能创新能力重塑。本文基于心理学学科“科学–人文”双维属性,提出“心理学研究生主体性科研创新能力”概念,强调研究生在科研活动中自主发现问题、分析问题及解决问题的核心能力,其本质在于学术主体性(自觉能动性与自主为己性)。研究指出,主体性能力受导师指导、个体素养与环境资源的综合影响,而AI技术通过破解思维僵局、弥补资源匮乏、优化学术对话,为解决认知局限、资源约束与交流缺失提供契机。为此,本文构建“能力训练–问题导向–技术赋能”三位一体培养路径:通过学术思维、实践与表达训练夯实基础,结合AI技术优化研究流程,平衡技术辅助与学术自主、效率提升与伦理坚守、资源普惠与个性发展,最终实现心理学研究生科研创新能力的系统性提升,服务于社会心理健康建设的战略需求。With the rapid development of artificial intelligence (AI) technology, the cultivation of psychology graduate students’ subjective research innovation capabilities faces dual effects: over-reliance on AI may lead to the alienation of research subjectivity and the blurring of academic responsibility, while its rational application can break through traditional research bottlenecks and empower the reshaping of innovation capabilities. Based on the “scientific-humanistic” dual attributes of psychology as a discipline, this paper proposes the concept of “subjective research innovation capability of psychology graduate students”, emphasizing their core ability to independently identify, analyze, and solve problems in research activities, rooted in academic subjectivity (self-motivated agency and autonomous responsibility). The study highlights that this capability is influenced by a combination of mentor guidance, individual competencies, and environmental resources. Meanwhile, AI technology provides opportunities to address cognitive limitations, resource constraints, and communication gaps by resolving intellectual impasses, supplementing resource deficiencies, and optimizing academic dialogue. To this end, this paper constructs a “Trinity” cultivation model integrating “competency training, problem orientation, and technological empowerment”: by strengthening foundational skills in academic thinking, practice, and expression, combined with AI-driven optimization of research processes, it balances technological assistance with academic autonomy, efficiency with ethic