关键词： 机器学习   弹道冲击   有限元方法   前馈神经网络   三维可视化  

摘要： 有限元方法在微观和介观尺度下预测高速冲击中高性能纱线的力学响应时，网格尺寸小、单元数量多，计算过程耗时长，且现有机器学习方法在三维结构响应的直接预测方面仍存在局限。为解决上述问题，提出基于前馈神经网络（Feedforward Neural Network，FNN）的机器学习预测与三维可视化方法。以凯夫拉(Kevlar?)纱线为研究对象，构建基于有限元数据驱动的FNN模型，将材料参数与冲击时间点作为输入，预测出纱线节点坐标和单元von Mises应力。并结合三维可视化技术，实现对纱线冲击响应的直观呈现。对比分析结果表明：该方法生成的纱线三维模型在形变与应力分布方面与有限元仿真结果高度相似，且从参数输入到结果输出的全过程耗时约3 s，计算效率较FEM提升近10倍。该方法为高性能防护材料的冲击响应预测提供了一种高效手段。

关键词： 人工智能   会计转型   策略  

摘要： 随着人工智能技术的快速发展与广泛应用,各行各业正在经历着深刻变革,企业财务工作也逐渐迈进智能化转型的新阶段,传统的记账与核算方式,已难以适应现代企业对财务管理的高要求,企业更希望财务部门能够深入挖掘数据价值,通过对大量数据的深入分析,为管理决策提供有力支持。在此背景下,本文首先探讨人工智能时代企业会计智能转型的意义,其次分析当前转型过程中面临的主要问题,最后提出几点提出可行建议。

关键词： 智能制造   炼蜜工艺   质量属性   数字化测量   质量传递模型  

摘要： 为推动中药制造向智能化转型， 针对炼蜜工艺长期依赖人工经验、质量属性难以量化表征、质量传递规律不明确等问题， 本研究以同仁牛黄清心丸真实世界炼蜜样品为基础， 建立了炼蜜工艺物理与化学质量属性的数字化测量体系， 并构建中试规模的质量传递模型。在物理属性方面， 采用旋转与振荡双模式参数优化策略， 确定最佳测试参数 (旋转剪切速率50 s-1， 振荡剪切频率5 Hz、剪切应变50%)， 建立蜂蜜流变性测量方法。化学属性方面， 基于高效液相色谱法， 建立了pH、水分、果糖、葡萄糖、蔗糖、麦芽糖及5-羟甲基糠醛 （5-hydroxymethylfurfural， 5-HMF） 等指标的测量方法。进一步整合常压与减压炼蜜工艺下的984个真实数据点 （涵盖11种质量属性）， 构建质量传递动力学模型， 其中动力黏度 （η） 与水分 （S）、温度 （T） 之间拟合效果显著 (R2> 0.998 3)， 能够有效刻画流变性变化规律。模型结果还揭示， 低温减压工艺结合低果糖、低单糖/双糖比的蜜源可有效抑制美拉德反应。本研究实现了炼蜜质量属性的数字化测量与传递建模， 为炼蜜工艺质量控制提供技术支撑， 并为中药制造实现从经验驱动向数字驱动的转型奠定基础。

关键词： 森林火险   机器学习   时空分布   预测模型  

摘要： 【目的】为进一步加强对彭州森林火险的认识，准确预测森林火险气象等级，提升本地气象服务水平。【方法】利用2014—2023年彭州国家基本气象站及49个区域气象站小时观测数据分析森林火险时空分布，基于最近邻回归（KNN）和随机森林算法预测森林火险气象等级。【结果】森林火险气象指数受气象因素影响大，较大值无明显周期性，其数值与海拔呈正相关（山区须防范时间较丘区更长，基本覆盖春、秋、冬季）；机器学习算法模型预测结果整体趋势与实际观测一致，可信度高，月指数均方根误差<6.2，平均绝对误差<4.52，对于森林火险气象等级的预测基本无影响；两种算法中KNN算法在山区表现更佳，随机森林算法则在丘区表现更佳。【结论】研究揭示了彭州森林火险气象等级时空分布特征，展现了机器学习在局地森林火险气象等级预测中的优良效果，为加强本地气象业务服务能力奠定了科学基础。

关键词： 企业综合事务管理   人工智能   双战略协同   流程优化   高韧性管理  

摘要： 在人工智能技术重塑企业管理模式的背景下,企业综合事务管理体系面临战略与执行协同断层、流程效率与成本矛盾、人力资源与技术适配不足等核心问题。本文聚焦体系优化路径,提出构建“大战略+小战略”双协同机制,通过AI技术实现战略动态校准与敏捷响应;推动流程再造与数字化整合,消除冗余环节并打破数据孤岛;建立人力资源与AI协同赋能体系,完善分层培训与创新激励机制。研究创新性地将高韧性管理理念与AI技术深度融合,为企业打造适配时代需求的高效管理体系提供实践框架。

关键词： 人工智能   深度学习   图像分割   Transformer模型   模型压缩  

摘要： 本文综述了基于Transformer的图像分割方法及其加速优化技术。Transformer模型以其优越的全局上下文建模能力，已在图像分割领域取得显著成就，成为主流选择。本文首先回顾了图像分割的基本原理和任务分类，介绍了Transformer在这一领域的应用，包括语义分割、实例分割和全景分割。接着，系统总结了Transformer模型在图像分割中的典型架构，如编码器-解码器架构和基于对象查询的检测与分割方法。同时，本文对各类加速技术进行了深入探讨，重点介绍了剪枝、量化和知识蒸馏等压缩方法及其混合应用，强调了这些技术在提升模型效率、降低计算复杂度方面的作用和挑战。本文旨在为未来的研究提供理论参考，并为实际应用中的模型优化设计提供实践指导。通过全面的分析与讨论，本文为理解基于Transformer的图像分割技术及其优化策略提供了全景视角。

关键词： 移动社交网络   广告分发   用户情感   激励机制   机器学习  

摘要： 针对移动社交网络中广告分发任务面临的信息过载、用户抵触和资源过度消耗等问题，文章采用Cloudlet移动云计算模型，构建以参与者为中心的广告分发体系框架。在移动客户端实现对物理环境和社会行为的感知，上传感知数据，并在激励政策下转发广告。云端采用机器学习算法，识别用户情感与行为。同时，建立可信计费和账单机制，保障账单的完整性和不可否认性。此外，搭建NS-3模拟网络环境，完成算法的仿真与验证。结果表明，该算法具有较优的性能。

关键词： 紫外吸收光谱   浓香型白酒   化学计量学   机器学习  

摘要： 目前白酒分析检测常用的仪器是色谱和质谱等大型仪器，但这些仪器价格昂贵，前处理分析过程复杂且耗时费力，难以适配生产端对白酒年份和酯、酸、醇等风味物质的快速检测需求。因此，提出了一种基于紫外吸收光谱技术结合化学计量学的快速检测方法，对80瓶不同年份浓香型白酒基酒进行年份鉴别及主要风味物质的定量分析。通过采集190～400 nm紫外吸收光谱数据，在定量分析中运用蒙特卡洛交叉验证（MCCV）剔除异常样本，结合竞争性自适应加权采样（CARS）优选特征波长，并系统分析对比了偏最小二乘（PLS）、最小二乘支持向量机（LS-SVM）和人工神经网络（ANN）建模，采用主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）、层次聚类分析（HCA）和线性判别分析（LDA）进行定性分类。结果表明：LDA能有效区分1～5年陈的五个年份样本，其组间差异显著且组内重叠度低；LS-SVM在乙酸乙酯、异丁醇、乳酸乙酯等7种物质建模中表现最优（R2c≥0.882,R2p≥0.708）;ANN在丁酸乙酯和正丁醇建模中取得最佳效果（R2c≥0.988）。研究证实紫外吸收光谱在230～330 nm波段可有效表征酯、酸、醇类物质特征，所建模型对乙酸乙酯、丁酸乙酯等7种成分预测精度满足生产需求，为白酒年份鉴别及风味物质快速检测提供了可行方法。

关键词： 国土空间开发   适宜性评价   三类空间   自然资源   人工智能  

摘要： 为厘清国土空间开发适宜性评价的政策要求、概念内涵、发展历程以及应用领域，总结研究方法、指标体系，指出现有研究的局限性，提出改进方向与未来展望。本研究采用经验总结法梳理研究历程、利用文献调查法梳理指标体系、运用归纳演绎法分析研究方法与展望。研究结果显示：（1）国土空间开发适宜性评价研究历程划分为土地资源利用、主体功能区划、国土空间规划、自然资源管理四个阶段；（2）研究方法可分为定性分析、经典统计、权重概率、生态模型、数值分析五大类以及相应的建模机理；（3）指标类型可分为地形、气候、水文、土壤等十大类；指标性质可分为数量、面积等基础指标，密度、浓度等衍生指标，风险、指数等复合指标三大类。研究结果表明：（1）当前国土空间开发适宜性评价体系基本构建，技术路径较为清晰，评价技术逐渐成熟，应用实践相对丰富；（2）当前服务国土空间规划等应用成效有待提升、三类空间的评价对象有待拓宽、多时空复杂系统下技术方法有待深化；（3）未来研究需实现三大转变：从服务规划理念转向支撑政府管理、科学普及等高质量全维度；评价对象从三类空间拓展至产业、能源、灾害等多维空间；从传统地理信息评价升级为人工智能主导的智能评价范式，从而提升评价精度以及动态响应能力。

关键词： 人工智能   道德缺失效应   心智感知   拟人化   期望调整  

摘要： 随着人工智能在重大决策中的作用日益凸显,其引发的道德问题也备受关注。本研究通过整合心智感知理论与道德二元论,系统揭示了人工智能道德缺失效应的双路径机制及应对策略。研究发现,人们对人工智能不道德决策的道德反应水平显著弱于人类决策者;与人类决策者相比,人们感知到人工智能较低的能动性和体验性是导致人工智能决策道德缺失效应的原因;对人工智能进行干预的拟人化策略以及对人类进行干预的期望调整策略组合成的综合干预方案能显著提升人们对人工智能的道德反应水平。与其他学科侧重从设计层面探讨公平算法的原则与方法不同,本研究基于心理学视角,关注人们在人工智能与人类决策中的心理反应差异。此视角不仅为应对算法偏见引发的社会问题和构建公平算法提供了新的思路,也为“算法伦理”研究拓展了理论边界。