关键词： 特殊钢   工业大数据   人工智能   质量过程管控   质量预测  

摘要： “十四五”期间，中国经济由高速增长阶段转向高质量发展阶段，钢铁行业和下游行业对产品质量管控提升提出了更高的要求；随着新兴信息技术应用，工业大数据助力钢铁行业向高质量转型发展。当前钢铁行业仍存在数据孤立、质量追溯分析困难等问题，没有系统全面地处理错综复杂的关联数据，导致质量分析效率低、成本高；同时高端特殊钢具有成分复杂、生产批量小且高性能、高纯净度、高精度、高稳定性的特点，对质量的要求极为苛刻。为此，兴澄特钢将企业全流程、多源异构的生产数据充分汇聚融合，利用工业大数据、人工智能和数字孪生等技术，构建了1+N的质量体系架构；该质量体系架构以1个质量大数据平台为基础，建设了多个质量管理子系统，实现了质量全流程管控。基于工业大数据的高端特殊钢质量管控的成功应用实践为钢铁行业质量管控提供了新的思路和方法，具有重要的参考和推广价值。

关键词： 人工智能   高职教育   高等数学   融合教学模式  

摘要： 伴随人工智能技术的迅猛发展,把它融入高职高等数学课程教学是提高教学质量与学生综合素养的关键办法。深入钻研了人工智能与高职高等数学课程融合的教学模式,剖析了当下融合进程里存在的问题,诸如教师技术应用能力不够、教学资源开发落后等,又针对性地提出了增进教师人工智能素养、优化教学资源等举措。凭借理论研究跟实践探索相统一,期望构建一个高效又创新的教学模式,增强学生对高等数学的学习热情与应用本领,为高职教育培养高素质技术技能人才提供坚强后盾。

关键词： 人工智能   通识课   教学设计   大一新生   问卷调查  

摘要： 在人工智能技术快速发展的背景下，如何设计适应大一新生需求的人工智能通识课程成为高等教育改革的重要议题。本研究以浙江大学901名大一新生为研究对象，通过问卷调查与访谈，分析其人工智能知识基础、素养水平及课程需求差异。研究发现：（1）专业领域和生源区域是影响大一新生人工智能知识掌握情况、素养水平和知识需求的重要因素；（2）近九成新生尚未接触人工智能相关知识，理工科学生编程基础优于人文社科学生，但整体技术基础薄弱；（3）超九成学生认为学习人工智能知识对个人发展和专业需求至关重要；（4）学生偏好实践导向的课程形式，建议课程内容分层设计，加强跨学科案例与实用性技能培养。基于此，本研究提出构建差异化课程体系、强化校企合作实践、整合跨学科师资资源、推动“AI+X”融合创新等建议以弥合区域及专业差异、提升通识教育质量，为智能时代人才培养提供参考。

关键词： 人工智能   工程类专业   教学管理   应用  

摘要： 聚焦工程类专业教学管理,针对工程教育实践性强、资源调度复杂等特点,阐述了人工智能在工程类专业教学管理中的应用策略,包括依托人工智能开展专业仿真虚拟实践,让学生在虚拟环境中操作演练;开展个性化教学辅导,汇聚学生信息生成能力模型并匹配学习资源;进行智能备课,整合数据资源、构建学生能力标签库,自动生成教学框架并推荐资源。通过典型工科院校的实证案例,验证了各策略在提升教学质量、优化资源配置等方面的显著成效,为工程教育数字化转型提供了可复制的实施路径。

关键词： 虚拟影响者   人工智能   影响者营销   品牌代言  

摘要： 随着AI技术的发展,虚拟影响者作为新兴的营销工具,通过模拟人类特征和个性来吸引消费者,尤其在年轻群体中影响力显著。企业可以从形式真实性和行为真实性两个维度出发,设计不同类型的虚拟影响者。企业在营销活动中应用虚拟影响者可以通过新颖性吸引消费者注意力,从而提高品牌创新感知,还可以避免出现真人影响者那样的丑闻事件和不当行为风险。然而,虚拟影响者营销也存在潜在消极效应,如算法出错引发的算法厌恶、恐怖谷效应以及消费者对虚拟影响者真实性的质疑。影响虚拟影响者营销效应的重要调节因素包括来源透明度、产品类别/特征、应用场景以及消费者个体差异等。最后,研究对虚拟影响者营销效应进行了总结,并进一步探讨了虚拟影响者营销在技术赋能、作用机制、营销结果、营销伦理等领域的未来研究展望,以及虚拟影响者营销应用的广阔发展前景和可能面临的挑战。

关键词： 人工智能   大语言模型   DeepSeek   师生关系  

摘要： 随着人工智能技术的快速发展，特别是DeepSeek等大语言模型在教育领域的广泛应用，传统师生关系正经历深刻变革。基于教育生态理论与技术哲学批判，研究揭示了人工智能对师生关系的三重冲击，包括教师角色的功能性弱化、学生学习方式的个性化与依赖性张力，以及技术中介加剧的师生交往异化。为应对以上挑战，提出人工智能支持下的新型师生关系，包括人机协同的“三方模式”、教师角色的再定位以及多元化的师生互动模式。在此基础上，提出师生关系的重构路径，聚焦情感交流与人文关怀的强化、伦理规范的建立与执行以及智能教育生态系统的构建，旨在实现技术赋能与人文价值的动态平衡，为人工智能时代教育本质的回归与师生关系的可持续发展提供理论依据和实践参考。

关键词： 人工智能   DeepSeek   媒体变革  

摘要： 随着人工智能技术与互联网平台的深度融合,以DeepSeek为代表的人工智能技术为区县级融媒体中心发展带来新机遇与挑战.本文以武汉市黄陂区融媒体中心探索人工智能产品应用为例,探讨人工智能技术在助力区县级融媒体中心建设和发展方面的应有价值.

关键词： 刀具磨损   状态监测   传感器   特征提取   机器学习  

摘要： 刀具磨损状态监测是机械加工行业中保障加工质量、提高生产效率以及确保设备安全运行的关键技术之一。刀具磨损状态监测对刀具寿命优化与产线能效控制具有重要的意义。文章从传感器的选择、特征提取、机器学习和深度学习四个维度，系统地介绍了切削加工过程中刀具磨损状态监测的研究进展。着重分析了磨损信号的选择，时域、频域和时频域内特征提取的常用方法，机器学习和深度学习在刀具磨损状态监测的应用。在此基础上，对切削加工刀具磨损状态监测的研究难点进行了分析，并总结了目前存在的问题。最后，对切削加工中刀具磨损状态监测技术今后的发展趋势进行了展望。

关键词： 轴孔装配   机器学习   主动姿态偏摆   力-位置矢量模型   优化算法  

摘要： 针对机器人轴孔装配中因寻孔阶段时间长导致装配效率降低的问题，提出一种基于随机森林(random forests， RF) 与开普勒优化算法（Kepler optimization algorithm， KOA）和蜣螂优化算法（dung beetle optimizer， DBO）的机器人主动姿态偏摆寻孔轨迹优化方法。首先，通过光栅运动采集轴孔接触力数据，构建数据集并划分偏角域；其次利用KOA优化RF构建力-偏角域分类模型，同时采用DBO优化RF建立力-偏距回归模型。最后基于分类模型预测的偏角域，控制机器人做主动姿态偏摆运动以精确寻孔方向。实验结果表明，所提出的力-位置矢量模型相比优化前将寻孔时间缩短13.3 s，寻孔步数减少50%，有效提高了寻孔效率并优化了寻孔轨迹。

关键词： 异常检测   单粒子微闩锁   机器学习   电磁辐射   无监督式检测算法  

摘要： 在复杂的空间辐射环境中，商用半导体器件发生单粒子微闩锁（micro single-event latch-up,μ-SEL）现象愈发频繁，μ-SEL会影响电路局部功能并导致局部电流异常，目前对于μ-SEL的检测，需要获取器件的电流信息（接触式），并且检测过程中依赖发生故障的真实标签，存在极大的局限性。本文提出一种基于机器学习的非接触式μ-SEL检测方法，使用激光诱发μ-SEL，通过采集器件辐射电磁信号并分析其特性，对生成高质量数据集使用主成分分析降维进行特征提取与降噪，基于K近邻算法在非接触的情形下实现了对μ-SEL的高精度（99.88%）检测，同时，通过优化基于密度的空间聚类算法等无监督式检测算法参数，对无需样本真实标签的数据集实现了92%的检测精度，克服了传统方法在μ-SEL检测实际应用中的限制。