关键词： 城市街道景观   街景图像   人工智能   心理情感   太原市  

摘要： 城市是承载人类日常活动的主要场所，探究城市街道景观对居民心理情感感知的影响，能够为城市建设与城市更新提供客观参考。本文以太原市核心城区为例，通过爬取街景图像构建数据集；运用深度学习与机器学习模型对城市街道景观与心理情感进行量化测度，通过空间统计模型辨识城市街道景观感知与居民心理情感感知的影响关联。结果表明：(1)城市街道景观中人工要素的空间分布特点与城市用地格局密切相关；自然要素呈现出“中轴聚集-外围扩散”的梯度结构；交通要素中，行人-车辆因子呈现空间互补特征，与人行道因子间表现出空间相似性。(2)心理情感指数（PEI）存在显著的空间异质性，整体呈现出“西北高-东南低”的空间分布特征。(3)在城市街道物理要素各自变量中，对居民心理产生正向影响的要素排序：道路>天空>树木>建筑>草地>护栏>人行道；对居民心理产生负向影响的要素排序：行人>墙壁>车辆>灌丛>指示牌。研究结果有助于理解城市街道景观感知的空间分异特征，为资源型城市转型发展提供一定的参考依据，也为实现城市空间公平正义提供新视角。

关键词： 机器学习   合金钢   拉伸性能   SHAP  

摘要： 利用数据驱动的机器学习方法，将成形工艺和化学成分作为输入特征，对材料的屈服强度、抗拉强度和伸长率进行预测.采用局部离群因子(LOF)法对样本进行有效的异常值检测剔除，建立支持向量机回归、随机森林、极限梯度提升和多层感知机4种机器学习算法，并对算法进行网格搜索超参数及5折交叉验证.结果表明，除支持向量机回归外的3种算法均表现出较好的拟合效果.结合沙普利可加性模型解释(SHAP)方法和特征重要性分析，为机器学习算法的预测过程增加可解释性，分析样本特征对合金钢拉伸性能的影响.

关键词： 人工智能   高中英语   写作自动评价   应用现状   工具筛选  

摘要： 教育领域持续发展,人工智能技术应用逐渐普及,高中英语写作自动评价成为重要应用领域。高中英语教学中写作教学至关重要,传统评价方式却弊端丛生,既耗费教师大量精力,反馈又不及时,评价标准还因教师认知不同而存在主观性,影响学生写作能力提升。人工智能用于写作自动评价可提升效率、提供即时反馈。文章深入分析其应用现状,梳理模式和成效,从多方面探讨工具筛选,助力教师合理运用工具提高教学质量。

关键词： 人工智能   职业教育   教学改革   价值意蕴   实践路径  

摘要： 在新时代背景下,以人工智能赋能高等职业教育既是教育体系自我革新的内在要求,也是数字化教育时代呼声的积极回应。人工智能的融入对课程内容更新、教学模式重塑与教学管理优化具有深远影响,为高职教育打开了新的发展视角。文章首先探究人工智能赋能职业教育的价值意蕴,然后分析人工智能背景下职业教育教学改革存在的问题,最后,针对问题提出了人工智能赋能职业教育教学改革的实践路径。

关键词： 人工智能   医疗损害   可预见性   过错  

摘要： 《民法典》所规定的医疗侵权责任，以过错责任为一般性原则，过错推定为补充，无过错责任为例外。随着诊疗类人工智能的广泛应用，该归责模式在实务中仍具有较强的适用性。应依医疗机构与人工智能生产者的特点，分别考量。医疗机构应在“符合当时医疗水平的诊疗义务”基础上，结合“可预见性”标准，综合评估其过错。若诊疗类人工智能应用过程中出现《民法典》第1222条所列情形，得适用过错推定原则，从而推定医疗机构存在过错。与此同时，诊疗类人工智能生产者承担无过错责任。通过综合考察各方主体在损害中所起作用，合理界定责任承担主体，即可由医疗机构单独承担责任、亦可由双方承担连带责任或不真正连带责任，特殊情况下，亦可不承担责任。

关键词： 人工智能   疾病诊断相关分组   随机森林   预测模型   多源医疗数据  

摘要： 目的：探索人工智能技术在DRG预测模型中的应用，构建高效准确的DRG分组预测模型，实现医保支付的精细化和科学化管理。方法：从政策和技术两个角度，分析人工智能应用于DRG分组预测模型的可行性，通过整合某医院的电子病历文本、病案首页信息、患者基本信息、医疗费用、主要诊断等数据构建出一个多源医疗数据集，采用随机森林算法搭建DRG分组预测模型，并使用F1值对模型进行评价。结果：基于随机森林算法的DRG分组预测模型，预测准确度为85%。结论：基于多源医疗数据的人工智能应用在DRG分组预测模型可兼顾预测准确率和效率，为DRG分组智能化提供新范式。

关键词： 机器学习   头颈部鳞状细胞癌   随机生存森林模型   Cox生存模型   生存风险  

摘要： 目的：筛选和鉴定与头颈部鳞状细胞癌（head and neck squamous cell carcinoma，HNSCC）预后相关的关键基因。方法：将来自癌症基因组图谱（the Cancer Genome Atlas，TCGA）数据库中的HNSCC患者的临床数据和RNA测序（RNA sequencing，RNA-Seq）数据，随机分为训练集（队列Ⅰ，n=228）和验证集（队列Ⅱ，n=98）。使用机器学习模型——随机生存森林（random survival forest，RSF）模型和Cox生存模型共同确定预后相关种子基因，使用正向选择模型进一步筛选预后相关关键基因。利用筛选出的关键基因构建生存风险评分系统并验证，并对关键基因进行生物信息学分析。利用实时定量聚合酶链反应（real-time quantitative polymerase chain reaction，RT-qPCR）检测人口腔上皮角质细胞HOK细胞系和人舌鳞癌细胞CAL27细胞系中关键基因的表达。结果：筛选出12个与预后相关的关键基因，高风险组的预后比低风险组差，队列Ⅱ风险比（hazard ratio，HR）为4.19，差异具有统计学意义（P<0.05）。关键基因在HOK细胞系与CAL27细胞系中的表达水平差异有统计学意义（P<0.05）。结论：机器学习模型分析是一种预测HNSCC预后相关关键基因的有效方法。

关键词： 供水管网   余氯   供水距离   THMs   机器学习   SHAP分析  

摘要： 以苏州某区域供水系统主干管（采样节点间距2km）为研究对象，对干管的水温、余氯、浊度、pH值、UV254和溶解性有机碳（DOC）和THMs等多项水质参数沿程变化开展了为期一年的系统性调查研究。空间尺度分析结果表明，供水管网末端8-10km处的THMs浓度处于相对较高水平；时间尺度分析结果表明，供水管网末端THMs的浓度在6月达到最高峰，浓度为39.06μg/L。选择4种典型机器学习算法构建管网THMs预测模型，可解释的梯度提升树（GBDT）算法能够有效避免模型过拟合，对4种THMs预测精度的R2分别达到0.839、0.906、0.836和0.935。进一步应用Shapley附加解释（SHAP）对GBDT模型对全局解析发现，水温、UV254、DOC和供水距离与THMs生成呈正相关关系，余氯与THMs呈显著负相关关系；SHAP的局部解析表明，供水管网中余氯浓度低于0.45mg/L、0.55mg/L和0.55mg/L时可显著降低余氯对TCM、BDCM和DBCM的影响权重。基于本研究构建的数据驱动模型，可通过环境因子高效预测THMs的生成浓度，并实时控制余氯投加量防止夏季或管网末端的THMs过量生成。

关键词： 图书馆学   人工智能   智能体   跨学科研究   人机协同  

摘要： [目的/意义]通过跨学科比较揭示智能体概念的核心内涵、共性内核与领域分化，揭示图书馆学蕴含的智能体相关概念和理论，并分析大语言模型驱动的AI Agent对图书馆核心服务的革新价值，推动知识服务向智能化、协同化范式转型。[方法/过程]采用跨学科文献分析法，梳理哲学、经济学、法律、生物学、社会学、计算机科学六大学科中智能体的名词定义、理论演进与应用特征，发掘图书馆学中蕴含与Agent相关的概念和理论，对比各学科Agent在自主性、感知性、目的性、适应性、交互性五维特性的共性与分化，将六大学科理论精髓映射至图书馆学实务场域中三元主体，解析读者、馆员、系统的智能体角色协同机制。[结果/结论]跨学科智能体共性围绕自主行为体在环境中实现目标展开，五维特性构成跨学科共识，差异源于学科核心问题；图书馆本质是多智能体系统，读者智能体融合哲学意向性与经济学博弈策略，体现需求驱动的适应性检索，馆员智能体继承法律代理权责与社会学结构能动性，成为资源与用户的专业中介，系统Agent借鉴生物学演化适应与计算机感知闭环，进阶为自主优化的智能基座。AI Agent是对图书馆学固有智能体特性的技术增强，通过大语言模型实现自动化、个性化与智能化服务升级，实现意图理解、工具调用、多智能体协作，驱动三元主体从被动响应转向主动协同。首创图书馆学三元智能体框架，明确读者、馆员、系统的协同智能体角色，揭示大语言模型驱动的AI Agent与图书馆学的深层契合逻辑。

关键词： 人工智能   土木工程   专业升级   数字化  

摘要： 本文构建系统化的土木工程专业升级改造框架,解决传统教育与人工智能技术融合的结构性矛盾,推动行业数字化转型。首先,采用混合研究方法——文献计量分析(2019-2023年WOS、CNKI核心文献)提取关键词图谱;德尔菲法整合15位专家意见确定路径优先级;SWOT-PEST模型分析内外部环境因素。其次,识别“智能算法驱动的工程决策”“数字孪生技术教学融合”两大核心方向,提出“课程-平台-评价”三维改造路径,并验证其可行性。最后,突破“技术叠加”的浅层改革,提升改造后体系的动态反馈能力,建立区域性产教融合共同体是人工智能时代土木专业升级改造的中心。