关键词： 人工智能   国家安全   情报决策   组织决策理论   注意力机制   混合博弈   新质生产力战略   多智能体系统  

摘要： [研究目的]针对人工智能赋能国家安全情报决策理论模型缺失的问题,构建AI赋能动态决策模型,推动国家安全情报决策模式向智能化、精准化转型。[研究方法]运用文献研究、理论映射、逻辑推演的方法,基于组织决策理论与AI赋能国家安全情报决策模型的理论映射关系,以数据-认知-方案-行动作为逻辑框架解析国家安全情报决策,并根据各模块功能推导技术解决方案构建理论模型。[研究结论]AI赋能国家安全情报决策模型由多源数据要素智能感知、决策导向态势智能认知、人机协同模式智能决策、情报决策智能行动四个模块构成,实现从数据要素感知到智能行动全链条管理。未来应推动数据中心架构与系统组件更新、培育人智协同创新网络、加强安全风险治理等实现技术落地,为服务国家安全情报决策提供技术支撑。

关键词： 人工智能   列车自动驾驶(ATO)   调度系统   安全性   可靠性  

摘要： 本文旨在探讨人工智能如何驱动列车自动驾驶与调度系统的有效集成,以提升铁路运输的效率、安全性和可靠性。通过概述自动驾驶技术的原理及其相较于传统驾驶方式的优势,提出人工智能如何进一步优化列车运行的策略;分析列车调度系统的基本功能及其当前面临的挑战,为集成方案的提出奠定基础;详细介绍集成方案的设计原则、实施步骤及风险评估,确保集成的可行性和有效性。安全性与可靠性作为集成过程中的核心考量,将分别讨论其标准、评估方法及提升策略。探讨人工智能技术最新进展对ATO及整个列车系统的影响,可为铁路运输的智能化转型提供理论支撑和实践指导。

关键词： 计量学   人工智能   机器学习   神经网络   心率失常   心拍算法   评价方法  

摘要： 心率失常的心拍分类对心血管疾病预测至关重要。目前有很多基于人工智能的心拍分类算法的研究，但是尚未建立算法指标评估体系来评价算法性能。基于心电信号的心拍分类，建立了一种心拍分类算法评价方法，用于评估算法模型的性能。在MIT-BIH标准数据库上，采用传统机器学习、神经网络、集成学习模型等11种心拍算法进行训练验证。基于实验研究建立了一套评价方法，包含12项指标，用于评估算法性能。结果表明，集成学习的模型整体表现较好（准确度大于98%），其中Light GBM表现最好，准确度、AUC、精确度和特异性都在98.8%之上，且拟合和泛化能力较好，训练时间相对较短（6.3s）;此外，在同一模型上，AUC、精确度、敏感性、F1分数与准确度表现出很强的线性关系。建立的评价方法能够客观、全面地评估心率失常心拍分类算法，具有优化诊断效果和推动临床应用的意义。

关键词： 人工智能   云数据   德育评价   高校   创新模式  

摘要： 随着互联网的迅速发展,人工智能+云数据技术越来越多地被应用于教育的方方面面,尤其是在高校学生德育评价模式下的应用。本文阐述了人工智能+云数据与高校学生德育评价模式结合的必然,分析了高校德育评价体系存在的种种问题,阐述了人工智能+云数据结合应用于高校学生德育评价,使学生德育评价模式变得更加完善,亦使高校的德育评价模式变得更加科学和完善。

关键词： 流动沸腾   传热系数   机器学习   随机森林   XGBoost  

摘要： 由于微通道管内流动沸腾传热涉及复杂的非线性传热机制和多参数耦合效应，传统的流动沸腾传热关联式在精度和泛化能力上存在一定的局限性，因此本研究借助机器学习方法，通过数据驱动的方式捕捉数据间的复杂非线性关系，为微通道管内流动沸腾传热特性的预测提供新的思路。本研究基于不同工况下微通道管内流动沸腾传热实验数据，分别构建了随机森林与极限梯度提升(eXtreme Gradient Boosting， XGBoost)算法模型，并对两种模型的预测精度进行了比较。结果表明，XGBoost模型在预测沸腾传热系数方面表现优于随机森林，其平均绝对误差为0.114，相较于随机森林模型的平均绝对误差0.1458降低约21.81%。与流动沸腾传热关联式对比，XGBoost模型在多种工况下均表现出更低的预测偏差，验证了基于机器学习模型预测微通道管内流动沸腾传热的可行性。

关键词： 人工智能   生成式人工智能   AIGC   著作权   拟制论  

摘要： 以ChatGDP为代表的生成式人工智能的出现与兴起，掀起了人工智能的技术革新浪潮，大量生成式人工智能内容的产生与运用对传统著作权制度带来诸多挑战。针对当前面临的人工智能生成内容的可版权性、权利归属和责任分配等问题，学界尝试采用“工具论”“贡献论”“拟制论”等观点理顺法理关系，却均存在弊端。“工具论”虽然解决了弱人工智能阶段权利归属的问题，却无法解释强人工智能阶段AI独创性内容的归属问题；“贡献论”虽然明确了孪生内容或原生内容的权利属性，但对处于中间地带的伴生内容却存在弹性太大、标准模糊的壁垒问题；“拟制论”赋予人工智能拟制法律主体的地位，却未能进一步说明权利向人类集中的具体步骤问题。面对这些问题，应将生成式人工智能拟制为“开发者员工”，这既能厘清所有的法理逻辑，又能公正处置问题，实现理论与实务的双重突破。

关键词： 智能制造   卷材切割   下料优化   钢铁企业   资源效率  

摘要： 中国钢铁企业面临技术创新、产品竞争力和绿色低碳发展等挑战，智能制造成为推动企业转型升级的关键。通过对钢铁企业智能制造概念、内涵、体系架构进行深入分析，聚焦智能制造全流程优化这一特征，从钢铁企业订单加工的关键工序入手，提出一种两阶段卷材切割算法对下料方案进行优化，可规定切割卷材宽度范围，并同时考虑板料及卷料订单的需求进行排样，以最小化切割损耗为目标，提高钢铁企业卷材加工的利用率、连贯性和灵活性。通过随机仿真实验和文献实验算例验证了算法的有效性，随机实验结果显示优化后的下料利用率均在97%以上，显著优于传统人工计算方法，大幅缩短了排样时间，同时在文献算例上的实验结果也高于对比算法且切割操作成本更低。借助应用卷材切割智能优化，有助于推动整个钢铁行业的技术进步和产业升级。

关键词： 人工智能   知识创新   社会规范   创造力悟性   技术采纳  

摘要： 从社会规范视角探讨ChatGPT协同知识创新不仅能为AI治理提供新的理论依据，同时也为技术开发者和使用者提供了更为明确的行为准则。现有关于ChatGPT的应用研究，要么聚焦于技术赋能效率视角，要么聚焦技术赋能情感视角，然而鲜有文献从社会规范视角展开。本文采用问卷调查法，通过对知识创新群体中的320名有效个体数据进行分析，研究发现：（1）ChatGPT协同知识创新的促进型社会规范使知识创新群体的ChatGPT采纳意愿显著提升，反之，防御型社会规范显著降低ChatGPT采纳意愿，即外部社会因素对知识创新群体行为产生了影响；（2）知识创新的自信力在ChatGPT协同知识创新的社会规范与ChatGPT采纳意愿之间起中介作用，即心理因素对知识创新群体行为产生了影响；（3）ChatGPT创造力悟性在ChatGPT协同知识创新的社会规范与知识创新自信力之间起调节作用。本研究从社会规范视角完善了ChatGPT采纳意愿的现有理论框架，还拓展了ChatGPT创造力悟性在知识创新领域的适用性，也对人工智能时代知识创新的实践路径提供了有益的启发。

关键词： 双壳贝类   足丝形成   机器学习   模型构建   功能保守区域特征  

摘要： 足丝是双壳贝类特有的一种由蛋白质组成的无生命生物材料，其可为双壳贝类提供保护，免受波浪冲击和捕食者的侵害，同时，双壳贝类会通过足丝的过度生长来争夺有限的空间资源。针对足丝蛋白预测的瓶颈，构建了基于支持向量机（SVM）的预测模型，系统评估了7种特征编码方法对足丝蛋白分类的效能。结果表明，基于组合-转移-分布-转移特征（CTDT）的编码方式在8项性能指标评估中表现最优（AUROC=0.844 4， AUPRC=0.832 6），其通过量化氨基酸物理化学属性的时序动态（如极性、疏水性分组转换频率），有效捕捉了足丝自组装过程的序列功能密码。二肽期望均值偏差（DDE）特征识别的GGSS/GSS重复序列可能与足丝的延展性相关，增强型氨基酸组成（EAAC）捕捉的GGX （X=Ala/Leu/Phe）重复模式可能通过酪氨酸-多巴修饰介导金属配位。基于MEME Suite （https://***/meme/）和CD-Search （https://***/Structure/cdd/***）的生物信息学分析显示，足丝蛋白依赖EGF样结构域的多点黏附与VWA结构域的Zn2+配位交联，实现水下高效附着，TIL结构域通过抑制丝氨酸蛋白酶活性保护足丝免受海水腐蚀，暗示足丝功能和特殊力学性能的实现是依赖多尺度特征的协同作用。本文构建的足丝蛋白预测模型可为足丝形成和进化研究提供重要前期基础，通过预测模型提取的足丝蛋白功能保守区域特征可为足丝附着机制研究和水下黏附材料研发提供科学依据。

关键词： 人工智能   计算机辅助材料设计   定量结构-性质关系   分子描述符   特征提取  

摘要： MOFs因其独特的结构和理化性质，在气体存储、催化、传感等领域展现了广阔的应用前景。然而，仅靠传统实验方法难以快速高效地设计具有所需性质的MOFs。近年来，以传统机器学习和深度学习为代表的人工智能方法在材料科学中得到了广泛应用，并取得了诸多显著性成果。其中，如何有效提取MOFs结构特征，并将其转化为计算机可识别的输入形式，是传统机器学习和深度学习建模的前提和关键步骤。为此，本文系统综述了基于分子描述符的人工特征提取和基于端到端深度学习的自动特征提取，总结了两种方法的基本概念和原理，着重强调了两者在MOFs设计中的具体应用和最新进展，最后讨论了提高结构特征提取的全面性、可解释性和可重复性等方面所面临的挑战和未来发展方向，以期为人工智能驱动的MOFs设计提供参考和理论指导。