关键词： 次生林   树种分类   高光谱图像   卷积神经网络   机器学习  

摘要： 【目的】为了提高我国东北典型天然次生林主要树种分类的准确性，提出了一种针对无人机高光谱图像的卷积神经网络（convolution neural network，CNN）树种分类框架。【方法】以东北林业大学帽儿山实验林场天然次生林水曲柳（Fraxinus mandshurica）、胡桃楸（Juglans mandshurica）、榆树（Ulmus）和白桦（Betula platyphylla）的4个主要树种为研究对象，采用新型无人机载高光谱成像仪对7个不同区域进行影像采集。以地面实测数据为参考构建不同树冠尺寸的单木数据集，并以7：3的比例划分训练集和测试集。构建了包含三维卷积层和二维卷积层的3D-2D-CNN模型，通过3D卷积层提取光谱-空间耦合特征，2D卷积层提取细节特征，从而有效增强模型对数据整体特征的学习能力；将该模型与2D-CNN、3D-CNN以及基于特征筛选的机器学习模型（随机森林（random forest，RF）、支持向量机（support vector machine，SVM）和梯度增强机（gradient boosting machine，GBM））进行对比实验。此外，采用逐波段逐步移除方法分析了波段的重要性，并探讨了模型对光谱特征的敏感性。【结果】构建的3D-2D-CNN分类模型对4个主要树种的分类准确率达到了87%，F1分数为0.86，优于其他对比算法，整体精度提高了5%～6%。波段重要性分析表明，近红外波段对分类结果影响显著。【结论】基于高光谱图像的3D-2D-CNN模型通过有效结合光谱与空间信息，显著提升了对天然次生林树种分类的性能，相较于传统分类方法表现优越，可为森林资源管理和生态系统的遥感检测提供技术支持。

关键词： 多任务学习   模型融合   知识迁移   机器学习   人工智能  

摘要： 多任务学习系统通过促进任务间的知识共享与迁移，能够同时处理来自不同领域的任务。近年来，基于任务算术的多任务学习方法取得了显著进展，研究表明，通过在参数层面直接将多个下游任务上独立微调的专家模型合并到预训练模型中，可以生成具备解决相应下游任务能力的统一模型，从而为多任务学习提供了一种高效且灵活的解决方案。然而，现有的模型合并方法通常面临两个挑战：一是完全静态合并的方法由于难以解决任务间的潜在干扰和参数冲突，导致合并的多任务学习模型性能下降；二是现有动态合并的方法需要额外维护参数量庞大的专家模块，显著增加了模型成本。为此，本文提出了一种高效的模型合并方案，专门用于基于任务算术的多任务学习，称为秩一专家混合（RankOne-MoE）。具体而言，依据微调模型中不同模块所包含的下游任务知识量，本文对专家模型的绝大部分模块进行基于任务算术的静态合并；而对于与下游任务更相关的模块，我们对其线性层的参数进行奇异值分解，生成一系列秩为一的专家用于构建了一个跨任务共享的秩一专家库，并通过路由机制动态组合输入实例所需的秩一专家，提升合并模型的多任务性能和适应性。实验结果表明，当合并八个ViT-B/32模型时，提出的方法相比最先进的静态合并方法在多任务精度上平均提升了5.40%；相比最先进的动态合并方法，总参数量减少了81.45%左右，充分验证了提出方法的有效性和高效性。

关键词： 激光增材制造   缺陷演化机理   原位调控   机器学习   质量控制  

摘要： 激光金属增材制造技术由于复杂的热力耦合效应和非平衡态相变过程，在构件成型中易产生孔隙、裂纹以及翘曲变形等缺陷，严重制约了其在精密制造领域的应用。针对这一问题，首先梳理了三类典型缺陷，并结合数值模拟方法阐明材料-能量作用的热物理过程以及缺陷形成的内在机理，为解决缺陷问题提供理论依据。其次聚焦于实际生产的质量控制需求，从原位过程调控的角度归纳了两种主要解决策略：原位监控（In-Situ Monitoring）系统和原位场辅助 (Field-Assisted)。最后，围绕智能工艺预测、智能感知决策、参数性能优化及集成物理信息机器学习（Physics-Informed Machine Learning，PIML），探讨了机器学习在质量控制中的应用，基于其高效挖掘多源数据深层特征，推动质量控制由经验驱动向数据与知识双驱动转变，为后续激光金属增材制造质量管理提供新思路。

关键词： 人工智能   有声市场   播音主持   多模态发展   技术赋能  

摘要： 本文首先分析了AI技术在有声市场中的应用现状和未来趋势,以及AI赋能对有声市场的影响与变革。接着探讨了传统播音员主持人在这一背景下的适应与转型策略,包括技能升级、内容创新、多平台运营等。研究发现,虽然AI技术的进步带来了替代风险,但人的情感表达和创造性仍是不可替代的核心竞争力。因此,传统播音员主持人需在AI技术赋能下,通过提高自身的多模态表达能力、掌握数据分析与内容定制技能等,以适应内容生产的新要求。此外,研究还指出,构建人机协同的工作模式,发挥其各自优势,是实现传统播音主持可持续发展的关键。

关键词： 心脑血管疾病   机器学习   死亡风险预测   气象因子筛选   区域异质性  

摘要： 【目的】为深入了解气象因子与心脑血管疾病高发病风险之间的关系，探讨基于机器学习方法在高风险预测中的初探。【方法】基于贵州省安顺市、兴义市两地区2018—2019年的心脑血管疾病的发病和死亡数据，以及同期气象数据，应用机器学习算法，对构建的生物气象指数、偏离因子和变化因子等气象因子处理数据集进行了高影响因子筛选，并应用朴素贝叶斯(Naive Bayes)、K近邻(K－Nearest Neighbors，KNN)、决策树(Decision Tree)和随机森林(Random Forest)四种机器学习方法研究气象因子与心脑血管高死亡风险的关系研究。【结果】（1）心脑血管疾病高风险事件与气象因子异常等极端气象条件有关，安顺市气象因子异常低占比超50%，兴义市气象因子下离群占比超60%，极端因子异质性明显;（2）决策树方法在气象因子筛选中敏感性更高，筛选出的关键因子以气温类和生物气象指数为主，气压类因子影响较弱;（3）机器学习预测性能存在区域差异，安顺市优先采用互信息特征选择+Random Forest学习，兴义市决策树+ KNN 综合表现最佳。【结论】本研究筛选了中低纬山区心脑血管高风险气象因子集，验证了机器学习方法在区域心脑血管疾病高风险预测的初步研究，可为气候敏感地区心脑血管疾病的防控提供科学依据。

关键词： 人工智能   全球治理   治理合作   中美博弈   管控竞争  

摘要： 人工智能将可能产生超越国界的全球性问题，国际社会迫切呼吁行之有效的人工智能全球治理合作。然而，在技术发展嵌入国际竞争的当下，治理主体难以达成治理共识，并在不同利益诉求下选择差异化的治理模式；多边治理机制缺位，治理标准和治理规则难以协调人工智能的快速发展，“南北鸿沟”在权力和利益的不平衡配置下持续拉大。近年来，人工智能大国在技术、法律、话语等层面争夺全球优势地位，随之产生技术垄断、单边制裁以及由少数国家组成的排他性合作机制，进一步增加了人工智能全球治理合作的不确定性。有鉴于此，应当探索在联合国框架下设置人工智能协调机构，通过治理制度安排管控大国竞争，基于共同风险及利益深挖合作潜力，并设置包容性发展议题弥合南北差距。对中国而言，面对技术快速迭代和美西方遏制的双重难题，应当始终坚持发展与安全原则，积极参与多边框架下的治理议程，争取更为有利的国际制度环境。

关键词： 人工智能   电视访谈节目   内容生产   人机协作  

摘要： 人工智能技术的快速发展为电视访谈节目制作提供了全新的可能性。本文从内容生产流程、互动模式创新等角度,探讨AI技术在选题策划、嘉宾匹配、实时交互、后期制作等环节的应用场景,分析其带来的效率提升与创作范式变革。研究认为,AI不仅优化了传统制作流程,还通过数据驱动的内容生成与个性化互动重塑了节目形态,但需警惕技术工具化对人文价值的消解。本文旨在为媒体智能化转型提供理论参考与实践启示。

关键词： 智能协作   以用户为中心   动态资源配置   机器学习   多目标优化   分布式计算  

摘要： 随着移动通信技术的快速发展，用户对网络服务的需求日益多样化和个性化。本文提出了一种蜂窝网络小区智能协作（Intelligent Collaboration in Cellular Network， ICCN）技术，旨在通过智能化的资源管理和空间共享策略，实现网络资源的高效利用和通信质量的持续优化，增强用户体验。ICCN通过实时分析用户行为、业务需求和网络状态，动态调整基站簇的资源分配策略，以适应不同用户群体的时空特性。本研究采用了包括聚类、神经网络和分类别提升在内的多种机器学习算法对用户需求进行预测，并结合多目标优化算法，实现频谱、能量和计算资源的协同优化配置。本文通过真实场景测试，验证了ICCN在不同场景下的有效性和优越性。研究成果为未来移动通信网络的资源管理和服务提供提供了新的视角和方法。

关键词： 数字化转型   融合出版   人工智能   大数据分析  

摘要： 本文深入探讨数字化转型与融合出版在当代出版业中的关键作用,聚焦人工智能、大数据分析和区块链技术如何优化出版流程、提升内容质量、增强用户体验及探索新商业模式。通过文献综述与案例研究,揭示了数字化转型可以显著提高出版效率,促进内容个性化,增强读者体验,为出版社开拓多元化盈利途径。然而,转型过程中也面临诸多挑战。因此,本文提出技术培训、跨界合作和政策倡导等应对策略。最后,展望了出版业未来发展趋势,强调了持续技术创新与商业模式创新的重要性。

关键词： CEO的IT背景   企业全要素生产率   人工智能   知行合一   人工智能词典  

摘要： 数字经济情境下，人工智能发展对制造业企业全要素生产率提升具有决定性意义，“人机融合”的新型组织形态成为企业塑造未来发展新动能的关键。研究选取2007-2021年A股制造业上市公司数据，基于认知—行为—结果的研究框架，整合高阶理论与烙印理论，探究CEO的IT背景对企业全要素生产率的影响及作用机制，并运用机器学习法生成人工智能词典，利用计算机文本分析技术构建企业人工智能发展指标。研究发现，CEO的IT背景能显著提升企业全要素生产率；机制检验发现，具有IT背景的CEO通过人工智能意义建构“战略式行为”和人工智能技术产出“实质性行为”提升企业全要素生产率，表现出基于人工智能“知行合一”的过程化特征。进一步研究发现，CEO的IT背景对企业全要素生产率的影响在不同高管风险偏好水平、CEO权力、市场竞争和地区开放水平的组织内外部情境中表现出异质性特征。研究拓展了企业全要素生产率在CEO个体层面的前因研究，为组织优化治理结构和支持人工智能技术发展提供了理论支持与实践启示。