关键词： 以学为主   学教融合   人工智能   智能时代  

摘要： 随着人工智能与教育的深度融合成为时代的必然趋势,“以学为主”的课堂模式逐渐显现。在这一模式下,教师不再是单纯的知识权威,教学更加强调学生的个性化需求。然而,这也带来了双重困境:对人工智能的过分强调导致对知识理解的忽视,同时教师的引导作用也被削弱。为了应对这些挑战,从“以学为主”到“学教融合”的转变成为一种可行的改进路径。在智能时代,教学应充分利用人工智能的优势,实现“学教融合”:在教学实施层面创建真实场景以促进知识理解;在教学设计方面搭建脚手架以支持学习进阶;在教学方法方面提供个性化指导以实现最佳发展;在教学评价中加强过程性评价以实现全面评估。这样才能确保人工智能在教育中发挥其应有的作用,推动教育的全面发展。

关键词： 机器学习   蘑菇识别   案例教学  

摘要： 针对“机器学习”课程理论知识多、知识内容抽象、应用领域复杂、实践性较强等特点,设计了蘑菇识别系统案例.该案例先将多种传统的机器学习方法和基于卷积神经网络的深度学习方法在同一个任务上进行研究,然后采用UCI的Mushroom Data Set数据集,通过实验对比发现基于卷积神经网络构建的深度学习模型识别蘑菇是否有毒的准确率最高,最后选择最佳的卷积神经网络模型构建基于Tkinter的图形用户界面应用程序的蘑菇毒性识别系统.通过蘑菇识别系统研究,能够激发学生的学习兴趣和积极性,对比学院同一专业不同年级的学生成绩和学生竞赛成果,教学效果良好,可为“机器学习”课程实践教学和改革提供案例参考.

关键词： 人工智能   机器智能   智能计算   智能系统   深度学习   逻辑表达   颠覆性创新   语言模型  

摘要： 人工智能是在数字技术、网络技术和智能技术的迅猛发展下以智能计算为基础的生产重构,是一套“以数据为驱动基础、以算法为指令集合、以算力为动力引擎”的技术—经济范式体系。人工智能包括决策式人工智能和生成式人工智能。其中,决策式人工智能是基于数据和信息的处理辅助人进行决策的机器智能,是以数理推理和逻辑表达为主的“旧式人工智能”和“弱人工智能”;生成式人工智能是基于概率统计建模、大语言模型训练生成新内容的智能系统,是自然语言、深度学习和神经网络算法共同演进的“新式人工智能”和“强人工智能”。近年来,我国人工智能界正在经历生成式人工智能引领的颠覆性创新,生成式人工智能正在改变文化生产与消费的价值形态,成为推动我国文化产业高质量发展的关键力量。

关键词： 肝胆胰肿瘤   人工智能   影像组学   生物标志物   早期诊断  

摘要： 人工智能(artificial intelligence,AI)可以通过分析文字病历数据,从放射影像组学中提取特征和利用病理图像进行肿瘤诊断,并通过液体活检等策略寻找新的生物标志物,开发新的诊断模型和检测方法。早期诊断是提高肝胆胰肿瘤患者生存率的关键,AI在处理多模态大数据方面具有独特优势,在肝胆胰肿瘤早期检测中展现出巨大的潜力。本文旨在综述AI在肝胆胰肿瘤早期检测中的应用,包括病历分析、影像组学、病理组学和生物标志物检测4个方面,以期为肝胆胰肿瘤的早期检测和诊断提供新思路。

关键词： 人工智能   配电网   故障诊断  

摘要： 随着人工智能技术的发展,其在配电网故障诊断与自愈系统中的应用日益受到关注。本文首先探讨了基于人工智能的配电网故障诊断,包括数据采集与预处理、基于机器学习和深度学习的故障诊断模型设计,以及故障诊断算法的性能评估。其次,本文设计了基于人工智能的配电网自愈系统,阐述了自愈系统架构、基于强化学习和多智能体的自愈决策算法,并对自愈系统的性能进行了验证。研究表明,人工智能技术能显著提高配电网的故障诊断准确性和自愈效率,为智能电网的发展提供了新的思路。

关键词： 可重复使用运载火箭   垂直着陆制导   减速段制导   在线轨迹规划   机器学习  

摘要： 可重复使用运载火箭是未来运载技术发展的必然趋势。返回与垂直着陆制导技术是运载火箭实现精准着陆回收的关键技术之一。面向火箭返回与着陆的动力减速段、气动减速段和垂直着陆段3个关键阶段,对现有的制导方法展开综述。首先,建立了火箭返回与着陆的动力学模型,明确了返回着陆各阶段存在的约束;然后,按照减速段和垂直着陆段两个阶段,从方法基本原理、发展历程及其在工程实践中的研究应用几个方面,详细介绍了减速段的标称轨迹跟踪制导法、预测校正制导法以及垂直着陆段的解析制导法、基于轨迹优化和基于机器学习的制导方法;最后,对未来值得探索的运载火箭返回制导研究方向进行了展望。

关键词： 机器学习   天然气进口量   运输安全   熵权   特征选择   高斯过程回归   t-SNE降维   K均值聚类  

摘要： 天然气作为一种高效、低碳、清洁的化石能源,具有易存储、运输和储量丰富的特性,被视为其他化石能源的最佳替代品之一。在确保我国天然气供应的连续性及实现碳达峰与碳中和目标的过程中,准确预测我国天然气进口量并对其运输安全进行评价显得尤为关键。针对单一特征选择方法特征筛选结果不稳定的问题,本文提出了一种基于多属性决策的特征选择方法,并根据特征选择结果建立高斯过程回归模型对我国天然气进口量进行预测。同时,提出了一种结合熵权与t-SNE降维的K均值聚类模型,并将其应用于评估我国天然气进口运输安全。结果表明:本文所提出的基于多属性决策的特征选择方法所得到的特征重要程度排序更加稳定,对我国天然气进口量影响最大的3个指标分别是:能源消费总量中天然气占比、居民消费水平和国内天然气管道长度;高斯过程回归模型对我国天然气进口量预测的绝对百分比误差均在5%以下,预测精度高;与传统t-SNE降维相比,结合熵权的t-SNE降维方法具有更低的KL散度,其降维结果更贴近原始数据的分布;结合熵权与t-SNE降维的K均值聚类结果可信度更高,我国进口天然气运输安全状态越来越好,并且对其影响最大的3个指标分别是:自有船队运力供给、管道气年运输量和LNG年运输量。

关键词： 力学本科教学   人工智能   知识图谱   力学导论  

摘要： 人工智能为力学高等教育带来了机会和挑战,敦促相关教育工作者不断去探索和应用新的教学方法和技术,以更好地满足受教育者和社会的需求。本文论述了作者对人工智能时代力学本科教学的思考,包括基础理论、知识图谱及若干可行性措施等,以期赋能构筑力学“人在回路”“建构双脑”“具身智能”的全新教育生态。

关键词： 人工智能   深度学习   光子计数CT   慢性阻塞性肺疾病   间质性肺病   肺癌筛查   影像组学   多模态分析  

摘要： 2024年RSNA年会的主题是“构建智能连接”,强调人工智能(AI)与深度学习、光子计数CT等前沿技术在医学影像中的应用,旨在通过技术创新与跨学科协作推动精准诊疗的发展。肺结节、肺癌、慢性阻塞性肺疾病(COPD)和间质性肺疾病(ILD)等常见病仍是研究的核心领域,同时结合影像组学和多模态分析的个性化医学方案逐渐受到重视。本文针对上述内容进行较全面的综述。

关键词： 室内设计   AIGC   人工智能   概念方案  

摘要： 该文探讨了生成式人工智能(Artificial Intelligence Generated Content,AIGC)技术在室内设计领域的广泛应用。首先介绍了AIGC技术的起源及在相关领域的应用,阐述了室内设计行业对于创新和高效的需求以及AIGC在室内设计中的多样化应用。其能够生成设计灵感,梳理设计思路,修改设计方案等,提高设计效率,为设计师提供更多创新空间,同时有效节省了时间和成本。同时也指出了AIGC技术的局限性和所面临的挑战。最后,总结了AIGC在室内设计中的积极作用,对其未来的发展趋势做出展望,期待AIGC技术在室内设计领域能有更大的发展。