关键词： 机器学习   安卓恶意软件检测   特征降维   XGBoost   自动编码器  

摘要： 安卓生态系统的开放性和灵活性导致恶意软件激增，对用户信息与财产安全构成严重威胁.为了提高安卓恶意软件的检测效果，该文提出基于机器学习的安卓恶意软件检测模型.首先，通过对安卓恶意软件数值特征进行预处理，优化机器学习检测模型的初始输入特征;然后，构建BP神经网络、SVR和XGBoost 3种安卓恶意软件检测模型进行对比，提出最优检测模型;最后，在最优检测模型的基础上，结合AE、PCA和GBDT 3种特征降维技术进行对比，提出结合特征降维的最优安卓恶意软件检测模型.实验结果表明:XGBoost检测模型的评价指标MAE、RMSE和R2值分别为0.1475，0.1164，0.4718，效果最好;结合特征降维算法，AE-XGBoost检测模型的评价指标MAE、RMSE和R2值分别为0.11127，0.0890，0.69118，效果最好，表明基于机器学习的安卓恶意软件检测模型是一种有效的方法，可以为信息安全提供重要技术支持.

关键词： 人工智能   会计转型   应对措施  

摘要： 人工智能 + 通过智能化、自动化和数据驱动的方式,正在重塑会计行业的传统工作模式、服务形态以及职业发展路径,文章从对人工智能 + 的持续深化应用,探讨人工智能对会计的影响,分析其带来的机遇与挑战,并提出相应的应对策略。

关键词： 人工智能   信息系统   故障预测  

摘要： 随着信息系统在各行业的广泛应用,系统结构日益复杂、运行状态瞬息多变,依赖人工规则的传统运维已难以满足故障预测与快速响应需求。人工智能(AI)凭借其在数据建模与异常识别方面的强大能力,为提升信息系统智能运维(AIOps)水平开辟了新的技术途径。本文对人工智能在故障预测中的时间序列建模、异常检测和因果分析等关键技术进行系统剖析,结合典型应用场景探讨相关成效,并总结数据质量、模型可解释性等现实问题。在此基础上提出多模型融合、边缘部署等发展方向,为信息系统稳定性与智能化水平的提升提供可行参考。

关键词： 口腔正畸教育   人工智能   临床教学案例库   医学教育数字化  

摘要： 传统教学案例库资源存在存储分散、多模态数据融合困难等问题，制约了教学质量的提升。随着医学教育数字化转型的深入开展，人工智能（artificial intelligence，AI）在教学资源优化领域的应用逐步拓展。本文聚焦AI赋能口腔正畸专业学位研究生临床教学案例库的优化重构，其核心是利用AI采集海量临床数据并进行标准化处理，构建深度结构化的口腔正畸临床知识图谱，并设置智能检索与个性化推送机制。这一智能升级突破了传统案例库数据碎片化、临床案例静态展示的局限性，使案例资源具备高度结构化、语义表达及动态关联性，进而有效提高教学效能。优化重构的案例库可为口腔正畸学科教学提供有力支持，深化理论知识与临床实践的结合，提升研究生临床技能水平。这项策略为高等口腔正畸教育的数字化转型提供了可行范例与前瞻路线，助力医学教育迈向数据驱动的智慧化新层级。

关键词： 人工智能   电子信息工程   应用  

摘要： 文章探讨了人工智能在电子信息工程中的关键作用与应用策略。首先,分析了人工智能在电子系统设计、信号处理及提升电子设备自动化水平方面的显著功效。接着,详细阐述了智能数据采集与处理系统、通信网络优化与安全保障、嵌入式系统中的边缘 AI 与传感器融合,以及深度学习在自动化控制与预测性维护中的应用策略。通过实际案例,展示了人工智能如何提升电子信息工程的效率、准确性和可靠性,为该领域的进一步发展提供了有力支持。

关键词： 人工智能   个性化营养干预   健康管理   数据融合   行为识别  

摘要： 文章通过分析人工智能(AI)在健康管理领域的应用现状、探讨个性化营养干预的基本原理与实施关键,将 AI 与营养科学有机融合,提出构建高精度饮食图像识别系统、搭建个性化营养推荐算法模型、构设行为偏好识别机制等营养干预路径。在此基础上,进一步提出基于 AI 的健康管理模式构建策略,如建立多场景智能互动反馈平台、构建多维用户画像动态体系结构等,旨在为未来智能健康管理体系的构建提供参考。

关键词： 冠状动脉疾病   人工智能   脂肪衰减指数   血流储备分数  

摘要： 目的：探讨基于人工智能的冠状动脉周围脂肪衰减指数（fat attenuation index,FAI）联合冠状动脉CT血管成像（coronary CT angiography,CCTA）诊断的狭窄率与斑块特征预测心肌缺血的价值。方法：回顾性分析2024年5月至2024年12月在复旦大学附属浦东医院行CCTA检查的资料，共纳入231例患者及其310个斑块。基于斑块分析CT血流储备分数（CT derived fractional flow reserve,CT-FFR）、FAI、狭窄率及斑块特征，根据CT-FFR≤0.80和CT-FFR>0.80，分为心肌缺血组和非心肌缺血组。比较FAI、狭窄率及斑块特征在2组间的差异；使用logistic回归分析筛选出心肌缺血的独立危险因素，构建并比较不同模型对心肌缺血的预测价值。结果：FAI、狭窄率、斑块总体积、斑块长度、脂质斑块体积、纤维斑块体积、钙化斑块占比在2组间差异有统计学意义（P<0.05）；脂质斑块占比、纤维斑块占比、钙化斑块体积、高危斑块占比在2组间差异无统计学意义（P>0.05）。与单一预测模型相比，FAI、狭窄率、斑块长度+脂质斑块体积的联合模型具有最高的预测效能（AUC=0.843,P<0.05）。结论：FAI、狭窄率、斑块长度、脂质斑块体积是心肌缺血的独立危险因素；FAI、狭窄率、斑块长度+脂质斑块体积的预测模型均对心肌缺血有较好的预测价值；联合应用可提高对心肌缺血的预测效能。

关键词： 大数据分析   智能制造   应用问题   技术提升  

摘要： 文章剖析了智能制造与大数据分析的相互关系,阐述了大数据如何通过数据收集、清洗、存储、挖掘与分析,为智能制造提供决策支持。详细分析了大数据技术在智能制造中的关键应用,包括如何通过大数据进行设备故障预测与维护,如何优化生产调度与流程,提高产品质量以及提升供应链的灵活性和响应速度。然而,大数据分析在智能制造中的应用仍面临诸多挑战,通过机器学习与深度学习、人工智能与自动化决策等先进技术可以助力大数据环境下智能制造的提升。智能制造与大数据分析相互依存,通过两者的结合,现代工业不仅能够实现生产效率的提升,还能够推动整个产业链的转型升级,使得制造业在面对日益激烈的市场竞争时,更具灵活性、创新性和竞争力。

关键词： 智能制造   数据采集系统   正极材料  

摘要： 在现代化工正极材料工厂迅速发展的进程中,智能制造的数据采集系统对于正极材料行业的重要性日益凸显。文章将深入探讨该系统的应用、具体技术手段以及应用场景。数据采集系统借助工业交换机、网关机、网闸等设备,从正极产线的各类工艺设备(如 PLC、工控机、支持 Modbus 协议的空压机、能源表等)采集数据,再经工业以太网将数据存储于实时数据库,为制造执行系统(Manufacturing Execution System, MES)奠定基础数据支持。同时,正极产线数据经 SCADA 平台展示于中控室操作站或大屏幕,便于集中管控。通过这一智能化采集系统,能够有效提升生产效率、优化工艺流程、提高产品质量并降低运营成本。正极材料作为锂离子电池的关键部分,其性能直接关系到电池的能量密度、循环寿命和安全性,因此生产过程的精细化管理至关重要。文章将详细阐述具体应用场景和技术手段。

关键词： 大语言模型   中医药   人工智能   垂直领域大模型  

摘要： 大语言模型（LLM）和中医药结合，推动了中医药信息化发展，也为新时代中医药的传承创新发展提供了新方向。在LLM研究背景下，概述基于Transformer架构的LLM发展进程，梳理中医药LLM的研究进展。总结构建中医药LLM的主要过程及中医药LLM开发过程中研究者使用的技术。根据相关的研究文献，总结开发的中医药LLM主要应用场景及中医药研究者使用LLM进行的研究探索。同时，分析当前的中医药LLM开发所面临的挑战，在高质量数据的构建、中医药LLM评估的方法、模型的可解释性、中医药LLM多模态融合、中医处方推荐模型开发等方面亟待进一步提升。展望中医药LLM的未来发展，期望能为LLM与中医药的进一步结合提供参考，助力中医药现代化进程发展。