关键词： 人工智能   神经外科   AI辅助   诊疗策略   医师培养  

摘要： 本文回顾了人工智能(artificial intelligence,AI)概念的提出和演进发展过程,以及在医学领域的发展与创新;随后,详细介绍AI技术推动神经外科多个亚方向的应用与发展,包含疾病诊断精确性、优化诊疗策略、提高手术精准度、优化手术模式以及临床医师的培养,给神经外科学科发展带来新的契机;最后,总结了AI技术在神经外科发展中的潜力以及面临的机遇和挑战。

关键词： 人工智能   印刷包装   教学改革   智能教育   人才培养  

摘要： 在互联网、人工智能、大数据、云计算和5G等技术的快速发展和支持下,印刷包装产业正从传统向智能制造转型和升级,产业的升级调整倒逼印刷包装专业人才培养的变革和创新。然而,当前印刷包装专业教学在多个方面存在突出问题,如课程设置不够科学、实践教学环节薄弱等,难以满足行业对高素质人才的需求。这就要求印刷包装专业教学必须进行深刻改革,以适应行业发展的新趋势。

关键词： 智能制造   阀门   教学方法  

摘要： 随着智能制造技术在阀门行业的广泛应用,培养适应行业需求的专业人才成为当务之急。文章通过对阀门行业智能制造发展现状的分析,探讨了高职高专院校适应行业需求的智能制造课程教学方法,旨在提高教学效果,培养学生的实践能力和创新思维,为阀门行业的智能制造发展提供有力的人才支持。

关键词： 人工智能   医学教育教学   伦理防范  

摘要： 人工智能技术整合融入医学教育已经成为当前教育教学改革研究的重点方向之一。人工智能技术为医学教育教学领域带来了诸多机遇,同时也面临着伦理风险。结合当前人工智能技术应用于医学教育实践过程遇到的潜在伦理问题,提出可能的应对策略,为医学教育领域“赋能”,为医学教育中的人工智能协同发展提质增效。

关键词： 数智时代   革命文物   人工智能   思政教育   大思政课  

摘要： 在数智时代,革命文物所蕴含的丰富思政教育功能未能在传统思政教育模式下得到充分展现。通过革命文物与人工智能融合的方法论,在人工智能技术的强大支持下,革命文物可以在数字转换、智能解说、个性学习等多个维度为思政教育实践提供助力。以“山东省政府和八路军115师司令部旧址”为例,从课程目标、课程设计、教学方式与手段、评估与反馈四个主要环节出发,创新构建了革命文物与人工智能融合的思政课程体系,旨在为重新定义数智时代的思政教育未来提供原则性指导和方法论支持。

关键词： 数智时代   认知非正义   人工智能  

摘要： 伴随智能化转型的深入推进,人工智能技术的广泛嵌入正在重塑知识生产的路径与结构。然而,基于大数据训练的智能系统在提升认知效率的同时,也不可避免地引发系统性偏差,造成对认知主体可信度的误判。米兰达·弗里克提出的“认知非正义”概念,以伦理学与认识论的跨学科融合,为剖析这一问题提供了系统的规范理论框架。在数智时代,认知非正义问题的发生逻辑以数据来源偏差、故意操纵谎言、解释资源差异和访问途径限制等四种典型样貌再现。为有效纾解数智时代的认知非正义问题,亟须推动培育用户认知正义美德、构造具有代表性的高质量数据集、优化新型知识生产模式下的人机协作,以实现更加公正、可信的认知生态。

关键词： 行业融合   钱江机器人   自主创新   智能制造  

摘要： 引言:在当前全球智能制造加速演进的时代背景下,钱江机器人作为中国工业机器人领域的重要推动者,始终以自主创新与行业融合为战略核心。钱江机器人总经理梁锐在接受专访时表示:“我们不仅要解决‘有无’问题,更要解决‘好用’和‘用好’问题。”

关键词： 人工智能   数字资源   东盟国家语种教材   创新实践  

摘要： 人工智能作为推动教育数字化转型的核心技术,与数字资源的深度融合已成为语言教材开发的重要趋势,为提升东盟国家语种教材智能化建设质量提供关键支撑。文章基于技术融合视角,探索人工智能与数字资源融合协同应用于东盟国家语种教材建设的创新模式,对推进教育数字化转型具有重要的理论价值与实践意义。当前,东盟国家语种教材建设过程中人工智能与数字资源融合应用仍面临技术适配度不高、资源整合协同性缺失、区域协作机制不完善等关键挑战。基于此,应从低资源语种智能开发、多模态资源协同整合、跨境教育共同体构建等维度,探寻人工智能与数字资源融合促进东盟国家语种教材建设的可行路径。

关键词： 茶树   病虫害检测   集成学习   机器学习  

摘要： [目的]茶树病虫害识别通常采用单一的检测模型,但其学习和感知能力不足以完成复杂茶园环境下的病虫害目标检测。针对现有目标检测算法难以在茶园复杂环境下对茶树叶枯病和绿盲蝽危害症状的识别问题,提出一种基于集成学习的茶树病虫害检测方法。[方法]采用YOLOv5弱监督模型,在YOLOv5的网络基础上引入全局注意力机制(global attention mechanism,GAM)和卷积注意力模块(convolutional block attention module,CBAM),将2个改进后的模型集成,并将预测结果使用加权边界框融合算法(weighted boxes fusion,WBF)处理融合框。[结果]与原始的YOLOv5模型相比,集成后模型对茶树叶枯病和绿盲蝽危害症状检测的平均精确率达72.2%,相比于引入GAM和CBAM后的模型,集成模型的平均准确率分别提升3.0%和3.7%。[结论]集成后的算法具有更强的特征提取能力,可以提取更多的病害特征信息,并且较好地平衡了模型的识别精度与复杂度。

关键词： 台风生成   支持向量机   机器学习   气候变化  

摘要： 台风每年造成严重损失,准确预测其生成数量和位置对防灾减灾至关重要。本文提出一种基于支持向量机(SVM)的数据驱动台风生成预测方法,并评估其在气候变化情景下的适用性。选取850 hPa绝对涡度(AV)、600 hPa相对湿度(RH)、垂直速度(VV)、相对海平面温度(SST)、850~200 hPa垂直风切变(WS)等关键气象参数,构建高维映射关系,以预测西北太平洋(WNP,0°N~60°N,100°E~180°E)台风生成。基于1979—2014年MIROC历史数据训练SVM模型,并优化正反例比例和训练-测试集划分。随后,利用MIROC6 SSP585(2015—2019年)进行台风生成预测,并与日本气象厅(JMA)观测数据进行对比,验证模型的有效性。最终,预测2020—2100年SSP585情景下的台风生成趋势。结果表明,在SSP585情景下,西北太平洋台风生成数目总体呈上升趋势,且生成位置长期呈东北偏移。SVM可有效应用于气候变化情景下的台风生成预测,为未来极端天气的风险评估和防灾减灾新方法提供参考。