关键词： 地勘地质档案   信息化建设   创新管理策略   人工智能   区块链  

摘要： 当前,地勘地质档案资料管理面临数据量大、种类多、更新快等挑战,传统的人工管理模式已难以应对。文章深入剖析了地勘地质档案资料信息化建设的最新趋势与挑战,提出了基于人工智能、区块链等前沿技术的创新管理策略。通过构建智能档案管理系统,实现档案资料的自动化收集、智能分类、安全存储与高效检索,同时探索了数据共享与协同工作的新模式,为地勘地质行业的数据治理与决策支持开辟了新路径。

关键词： 智能化技术   建筑工程管理   人工智能  

摘要： 本文系统研究了智能化技术在建筑工程管理中的应用现状与发展趋势。随着信息技术的飞速发展,建筑行业正经历着深刻的数字化转型。本研究通过文献分析、案例研究和实地调研等方法,探讨了BIM技术、物联网、大数据分析、人工智能等智能化技术在建筑工程各阶段管理中的应用价值。研究结果表明,智能化技术的应用可显著提高工程质量、优化施工进度、降低工程成本,并有效提升安全管理水平。文章还分析了当前智能化技术应用面临的挑战,并提出了相应的对策建议。最后,对建筑工程管理智能化发展的未来方向进行了展望,为行业实践提供理论参考。

关键词： 人工智能   健康监测设备   健康管理  

摘要： 人工智能健康监测设备利用人工智能技术和非侵入式的传感器收集个体数据,并将其与大数据进行对比,对用户的生理、心理健康进行实时监测、数据分析,以提供个性化健康建议和健康风险预警。人工智能健康监测设备通过全天候无间歇监测追踪,在大幅度提高人们自我健康管理能力,提升人们健康生活质量的同时,也潜藏着用户隐私泄露、身体感受数字化、人类主体性受到潜在冲击等一系列伦理风险。因此,相关部门应该在隐私权与数据保护、包容性与公平性、透明度和可解释性等原则的指导下,以完善的法律法规保护个人隐私,减少算法偏见,保证信息公开透明以促进用户理解,同时坚持以人为本,负责任地研发人工智能健康监测设备的可解释性算法模型。

关键词： 校园标识系统   学校IP形象   人工智能   扩散模型  

摘要： 目的调研当前校园视觉标识系统的新兴需求,研究利用图像生成式人工智能扩散模型辅助设计的方法,开发出能够融合学校IP且高效率的视觉标识辅助设计方法。方法首先,调研分析了将学校IP形象融入视觉标识设计的需求;其次,基于这些需求,制订了人工智能辅助视觉标识系统设计的整体方案;最后,研究了利用扩散模型辅助校园视觉标识系统设计的具体方法,包括智能算法原理的分析、风格模型的训练、图像生成控制变量的调整、生成测试、后期的合成和评估等步骤。结果通过这一研究,利用扩散模型的Lora模型训练技术,成功发展出一套能够为融合学校IP形象的校园标识辅助设计的模式,实现了设计实践过程的创新。结论校园视觉标识系统的设计应采用一种既高效又能够融合学校IP形象的模式,与传统设计流程相比,利用人工智能扩散模型进行视觉标识的辅助设计无疑能更好地满足这些需求。

关键词： 气溶胶光学厚度   机器学习   塔基高光谱观测   大气校正  

摘要： 气溶胶光学厚度(AOD)是表征大气中气溶胶颗粒散射和吸收特性的关键参数。在塔基生态遥感观测中,获取准确的AOD以量化气溶胶的散射和吸收作用对光谱观测数据的定量化处理至关重要。本研究提出一种基于塔基高光谱观测数据和机器学习的AOD反演方法。首先,基于大气辐射传输模型分析太阳辐照度对AOD变化的敏感性及其光谱特征。然后,选取785和665 nm波段的辐照度(E_(785)和E_(665)),通过构建双通道比值指数(E_(785)/E_(665))可以敏感追踪AOD的变化。最后,系统评估了3种机器学习模型(随机森林、支持向量机和人工神经网络)的反演精度。结果表明:基于塔基高光谱观测数据的3种机器学习模型估算的AOD均表现出较高的精度,决定系数分别为0.950、0.936、0.947,均方根误差分别为0.025、0.028、0.027,平均绝对误差分别为0.017、0.020、0.019,其中,随机森林模型表现最佳。机器学习方法有潜力在不需要额外辅助数据的情况下从太阳辐照度光谱数据中准确估算AOD,能够为塔基平台大气校正方法提供可靠、同步的AOD估算数据。

关键词： 智能制造   机器学习   人工智能   实践教学   教学改革  

摘要： 智能制造是现代工业发展的重要方向,对跨学科、复合型人才的需求日益增长。然而,当前的智能制造专业教学模式仍存在学科融合度低、理论与实践脱节、个性化教学不足等问题,难以满足产业发展的需求,机器学习与人工智能技术在智能制造中的广泛应用,为教学改革提供了新的机遇。本文结合数字孪生技术,探索基于机器学习与人工智能的智能制造人才培养模式改革,研究构建了一个融合人工智能、智能产线和数据驱动分析的实践教学体系,提出了项目驱动式教学、智能仿真实验平台、个性化学习推荐等改革措施,以提升学生的数据思维、智能制造实践能力和综合素养。基于重庆工商大学智能制造教学改革的案例分析,验证了该模式的可行性和有效性。研究表明,人工智能与机器学习的深度融合有助于构建智能化、个性化、实践导向的教学体系,为未来智能制造人才的培养提供了可行的参考。

关键词： 人工智能   压缩感知   MR模拟定位   放射疗法   鼻咽癌  

摘要： 目的探索人工智能辅助压缩感知(ACS)技术加速鼻咽癌放疗MR模拟定位(MR-sim)的可行性及临床应用价值。方法前瞻性纳入30例拟于中山大学肿瘤防治中心行根治性放疗的鼻咽癌患者,在3.0 T MR-sim设备行头颈部MR-sim,分别采用ACS技术和并行采集(PI)技术,采集每位患者的横断面T 1WI、T 2WI、增强T 1WI及脂肪抑制增强T 1WI图像。采用配对样本t检验或秩和检验,对比两种采集技术获取MR-sim图像的扫描时间、图像信噪比(SNR)、对比噪声比(CNR);基于利克特量表5级评分法,对肿瘤病灶显示情况、病灶边缘清晰度、图像伪影及图像整体质量进行评分,并采用卡方检验对比2种技术的主观图像质量评分。分析基于ACS获取的MR-sim图像和基于PI技术获取的MR-sim图像,与CT模拟定位图像融合后勾画肿瘤靶区,并采用Dice相似性系数(DSC)对肿瘤靶区勾画一致性进行评价。结果无论对于单个序列还是整体序列扫描,基于ACS技术的MR-sim采集时间都显著短于PI技术(P<0.001),其中基于ACS的MR-sim总体采集时间为(378.60±17.07)s,基于PI技术的为(694.93±17.07)s,时间节约45.52%。基于ACS技术和基于PI技术获取的MR-sim图像SNR、CNR及肿瘤病灶识别、病灶边缘清晰度、图像伪影、总体图像质量评分均基本一致(P>0.05)。基于ACS获取的MR-sim图像和基于PI技术获取的MR-sim图像,与CT模拟定位图像融合后获取的肿瘤靶区基本一致(P>0.05),原发肿瘤和颈部转移淋巴结平均DSC均接近于1。结论与传统的MR加速成像技术(PI技术)相比,ACS技术可以在不牺牲图像质量和不影响肿瘤靶区勾画的情况下,加速鼻咽癌MR-sim。

关键词： 提示素养   生成式人工智能   全民AI胜任力   人机关系   人工智能  

摘要： 生成式人工智能(AI)的快速发展正在深刻改变人机交互的形态,对公众AI胜任力提出了结构性转型的现实需求。在全民AI时代,有效运用AI的能力成为衡量AI胜任力的新标准。提示素养作为连接自然语言与智能系统的关键能力,逐渐成为全民AI胜任力的核心要素。但当前提示素养的培育主要依赖个体自发、自觉、自习探索,普遍存在知识获取碎片化、模板依赖明显、反馈机制缺失与群体不平等加剧等现实问题。为有效解决这些问题,需要将提示素养建设纳入全民AI胜任力提升的系统性框架中,建立覆盖基础教育、职业培训和终身学习的多层次教育体系,针对不同群体开展有针对性的培训,并激发社会自组织力量共同参与提示素养的系统性培育。

关键词： 线粒体自噬   类风湿关节炎   机器学习算法   加权基因共表达网络分析   预测模型   外部验证   免疫细胞   生物学功能  

摘要： 背景:类风湿关节炎发病机制至今尚未完全清晰,近来有研究表明线粒体自噬与类风湿关节炎存在关联性,但关键机制有待深入探究。目的:利用多机器学习算法鉴定和验证类风湿关节炎中线粒体自噬过程的核心互作基因并解析其免疫调控过程。方法:从GEO数据库整理类风湿关节炎转录组表达数据集GSE15573作为独立训练集,GSE97779和GSE55235合集作为独立验证集。利用训练集筛选类风湿关节炎差异表达基因,同时进行“WGCNA”分析。然后从“MitoCarta3.0”数据库下载线粒体自噬相关基因,将其与类风湿关节炎差异基因和“WGCNA”分析模块基因取交集获得类风湿关节炎-线粒体自噬相关基因,将相关基因进行功能富集分析以明确细胞通路。随后利用“Random Forest”和“LASSO”2种机器学习算法分别筛选特征基因,利用“GMM”机器学习算法对前2种机器学习算法筛选的交集基因拟合验证,以获得类风湿关节炎-线粒体自噬核心互作基因。进一步建立预测模型,并利用外部验证集验证。最后,采用“CIBERSORT”进行免疫浸润分析此过程中免疫细胞亚群占比及亚群之间关联性,采用“ssGSEA”分析类风湿关节炎-线粒体自噬核心互作基因与免疫细胞亚群间关联性,同时分析核心互作基因的相关“GO”“KEGG”生物学通路。结果与结论:①差异分析获得807个类风湿关节炎差异表达基因,“WGCNA”分析筛选出2个特征模块含1208个基因,线粒体基因数据库整理出1136个基因,三部分基因取交集获得53个基因为类风湿关节炎-线粒体自噬相关基因;②相关基因的功能富集分析结果显示细胞过程主要与线粒体自噬、过氧化物酶体代谢、细胞衰老、坏死性凋亡相关;③3种机器学习算法鉴定出4个类风湿关节炎-线粒体自噬核心互作基因(DNAJA3、C12orf65、AKR7A2、PDHB);④预测模型的风险评分受试者工作特征曲线下面积为0.989,外部患者样本的工作特征曲线验证类风湿关节炎-线粒体自噬核心互作基因的曲线下面积均大于0.7;⑤免疫调控分析显示类风湿关节炎中线粒体自噬过程与记忆B细胞、M0型巨噬细胞、活化的记忆性CD4 T细胞、静息态记忆性CD4 T细胞密切相关;⑥生物学通路分析结果显示核心互作基因与821条“GO”通路强相关(|cor|>0.8,P<0.001),与48条“KEGG”通路强相关(|cor|>0.8,P<0.001),其中关键生物学过程与线粒体DNA代谢、线粒体DNA修复、线粒体DNA复制、线粒体基因组维护、线粒体去极化的正向调控和参与凋亡信号通路的线粒体外膜通透性的正向调控有关;⑦上述结果证实,DNAJA3、C12orf65、AKR7A2、PDHB是类风湿关节炎中线粒体自噬过程的核心互作基因,通过参与特定免疫过程在疾病进展中发挥关键作用,对类风湿关节炎的诊断具有精准预测效果。

关键词： 人工智能   体育产业   变革   发展策略  

摘要： 人工智能技术飞速发展,并在各个领域得到了日益广泛的应用。在人工智能的辅助之下,体育产业实现深度发展与改革,并且在管理效率、生产效率和创新效率方面展现出巨大潜力,成为推动体育产业高质量发展的重要力量。本文基于人工智能驱动下的体育产业变革与发展策略展开分析,并提出相应的发展策略,以期为体育产业的深入发展指明方向。