关键词： 人工智能   计算语言学   大语言模型   大数据驱动   语言研究  

摘要： 随着人工智能技术的迅猛发展，语言研究正迎来诸多的挑战，经历着一场前所未有的理论革新机遇。基于大数据和神经网络机器学习的自然语言处理技术大力推动了语言智能处理技术的进步。本文从计算语言学70多年的发展史出发，梳理出计算语言学对语言理解和语言生成两个过程的重要区分和两大理论基础：信息论和机器学习，以及之所以取得成功的三大要素：大算力、大数据、大模型。语言学突破了在数据获取、存储和计算的巨大限制，可以走向“理论假设—数据采集—建模计算实验—计量分析—修正理论”的数据驱动、计算建模的实证研究路径。

关键词： 人工智能   高校   辅导员   思政教育  

摘要： 人工智能时代的到来,对高校辅导员思想政治教育要求也发生了一定改变。高校辅导员需充分把握人工智能对思政教育创新的重要作用,充分把握当前思政教育存在的问题,在此基础上灵活应用人工智能手段实现对思政教育的创新,以此引领高校大学生形成正确的思想观念,促进高素质人才培养。

关键词： 气态硝酸(HNO   )   化学电离飞行时间质谱(CIMS)   气粒分配   机器学习   SHAP  

摘要： 为探究深圳市大气气态硝酸(HNO3)的污染特征及驱动机制，本研究基于碘离子化学电离飞行时间质谱（I-CIMS）技术，于2023年夏季和2024年冬季开展HNO3观测，结合机器学习探讨其驱动机制.结果显示，冬季HNO3浓度（0.72±0.19 ppbv）显著高于夏季（0.09±0.05 ppbv），呈昼高夜低特征.模型拟合良好(R2=0.91)，SHAP分析表明温度是首要影响因子，气粒分配主导HNO3变化.温度在夏季影响更为明显，化学过程在冬季影响更显著.氯盐通过置换硝酸盐抑制HNO3生成，揭示氯亏损对氮循环的复杂作用.建议优先控制NH3排放，不仅抑制总硝酸生成也降低HNO3向颗粒相转化，并关注氯亏损对沿海城市氮循环的复杂影响，为珠三角区域硝酸盐污染防控提供科学依据.

关键词： CNC全自动锯床   人工智能   强化学习   深度学习  

摘要： 本研究旨在利用人工智能(AI)算法优化CNC全自动锯床的复杂形状切割路径,以提高切割精度、减少切割时间和降低材料浪费。方法 采用深度学习、遗传算法和强化学习三种AI方法对切割路径进行优化,并在MATLAB/Simulink仿真平台上进行实验验证,比较不同算法在切割精度、时间效率和材料利用率方面的表现。结果 结果表明,强化学习算法在切割路径优化方面表现最佳,切割误差降低至0.3mm,切割时间缩短至20s,材料浪费率降至8.2%。相比之下,深度学习和遗传算法的优化效果虽优于基准算法,但仍略逊于强化学习。结论 AI算法的应用显著提升了CNC锯床的切割性能,强化学习算法在处理复杂形状切割路径时展现出更优的适应性和优化效果,为智能制造和自动化加工提供了新的优化手段。

关键词： 人工智能   高职   美育   创新  

摘要： 近年来,人工智能技术呈现出井喷式的发展趋势,对各行业产生了深刻的影响,也为各领域的革新带来了新的发展机遇。职业教育是国家高等教育的重要组成部分,承担着超过一半的青年人才的培养任务。美育课程作为高职教育体系的重要组成部分,承担着培养学生审美能力,提升学生文化素养,塑造学生综合能力的重要任务。受限于美育的抽象性和高职教育的实用化导向,高职美育长期以来存在着重视不足,效果欠佳,创新缺乏的问题。本文立足人工智能技术的大时代背景,分析了高职美育创新中人工智能技术的应用思路,包括通过虚拟现实技术实现美育教学场景的虚实共生,通过生成式AI实现艺术创作工具的智能改造,以及通过数据挖掘技术实现美育评估的多维化,并分析了高职美育智能化改造中的相关风险,为高职美育的革新提供了切实可行的思路参考。

关键词： 数字化技术   技工院校   学生评价   大数据   人工智能   创新路径  

摘要： 本文从大数据和人工智能技术的应用角度,探讨了数字化背景下技工院校学生评价模式改革的创新路径。分析了传统评价模式的局限性、数字化技术的快速发展以及社会需求的变革,从而阐述了改革的必要性。分别研究了大数据和人工智能技术在学生评价中的具体应用,以及面临的挑战和应对策略。提出了构建多元化评价体系、创新评价方法与手段、提高评价数据的时效性和准确性、强化评价结果的反馈与应用等创新路径,并对政策支持、技术研发、人才培养和社会协同等方面的可持续发展进行了展望。

关键词： 算法视域   人工智能   人类社会   哲学  

摘要： 算法是人工智能的核心,也是人工智能发展的基石。目前,国内外对算法的研究主要集中在人工智能的概念、特征、分类、技术路线等方面,在对算法进行研究时,会遇到一个问题:如何进行分类?现有的算法分类方式主要有两种:基于数据和基于知识。本文以数据为基础,通过对算法进行分类,明确了目前所使用的算法。同时,本文还探讨了算法对人类社会的影响,并对人工智能可能引发的一些哲学问题进行了思考。

关键词： 机器学习   微塑料   分类识别   定量分析   吸附性能  

摘要： 本文综述系统地探讨了机器学习技术在微塑料领域的应用，涵盖分类识别、定量分析与吸附性能预测.经梳理近年文献，发现如卷积神经网络(CNN)和支持向量机(SVM)等技术，对提升微塑料检测精度与效率意义重大.在分类识别中，CNN模型可精准辨别微塑料类型与形状;定量分析时，借助图像和光谱数据，机器学习能快速确定微塑料浓度.在吸附性能预测方面，基于非混合定量结构-性质关系(QSPR)的模型展现出比传统模型更高的准确性和鲁棒性.然而，当前还面临数据质量不佳、收集标注困难及模型可解释性欠缺等挑战.未来研究应聚焦数据集多元化及增强模型可解释性，以推动机器学习技术在微塑料研究中的进一步应用.

关键词： 农业碳排放   随机森林   机器学习   河南省  

摘要： 推动农业碳减排是缓解气候变化，实现人类社会可持续发展的必然选择.本文选取土地管理、粮食种植、畜牧养殖三类指标对2000—2021年河南省各地市农业碳排放进行了测算，结合局部莫兰指数分析了各地市农业碳排放的时空演变趋势和格局，最后采用随机森林模型识别了主要驱动因素并预测了基准、低碳、高碳情景下的河南省农业碳排放量.结果表明:(1)2000—2021年，河南省农业碳排放先上升后下降，在2006年达到峰值5849.52万t，2021年较2006年下降40.60%;各地市农业碳排放分布不均，整体呈现“东南高、西北低”的特征;(2)土地翻耕面积、农村人口数量、行政区面积以及农业机械总动力是影响河南省农业碳排放最主要的正向驱动因素，城镇化率为负向驱动因素;(3)河南省农业碳排放已于2006年达峰值，在三种情景下，2022—2030年河南省农业碳排放均持续下降，与达峰状态相比下降范围分别为2241.55万t—2470.73万t，2245.67万t—2482.22万t，2240.10万t—2459.74万t.研究结果可以为河南省各地市未来农业碳减排路径提供依据，确保“双碳”目标达成.

关键词： 智能制造技术   机械制造   应用与挑战  

摘要： 目前,随着我国科技的不断发展,我国各大企业在发展过程中也充分发挥了自身的优势,进而推动了我国经济的快速发展。而智能制造技术作为一种先进的科技手段,其在机械制造中的应用能够有效提高机械制造的整体水平,并确保其在实际生产过程中实现智能化、高效化。然而,就目前我国机械制造行业而言,由于其本身的发展时间较短,所以在技术方面、数据安全与隐私保护、人才培养与管理还存在着许多不足之处,从而为企业发展带来了较大的阻碍。因此,为了能够进一步促进我国机械制造行业的快速发展,本文就智能制造技术在机械制造中的应用和挑战展开深入分析研究。