关键词： 大数据任务调度   分布式计算框架   机器学习   容器化技术   扩展性设计  

摘要： 聚焦分布式计算框架下大数据任务调度,剖析传统调度算法在任务优先级、资源适配及动态变化处理等方面的局限,阐述基于机器学习的调度算法革新、容器化弹性资源分配、精准资源预测与自适应网络通信优化等关键技术突破。介绍优化后的系统架构,包括任务接收层精细设计、调度核心层深度集成、执行监控层实时反馈及扩展性设计,为提升大数据任务调度效率与稳定性提供技术支撑。

关键词： 人工智能   医师,家庭   医学信息学应用   健康知识,态度,实践   问卷调查  

摘要： 目的探索家庭医生团队医务人员在签约服务中的人工智能应用方面的认知、态度、行为及需求现状,并分析其影响因素。方法该研究为横断面研究。于2023年6—7月,抽取上海市闵行区全区602名家庭医生团队医务人员作为调查对象,调查其在签约居民服务人工智能技术应用方面的认知、态度、行为及需求现况,分析不同人群的差异,在单因素分析基础上行多重逐步线性回归分析探究影响应用需求的因素。结果602名家庭医生团队医务人员中,30~49岁者占80.40%(484名),女性占77.41%(466名),大学本科及以上学历者占92.86%(559名),中级及以上职称者占83.88%(505名)。调查对象在签约服务人工智能应用方面的知识知晓率、态度积极率、行为执行率分别为47.18%(284/602)、73.09%(440/602)、32.06%(193/602);认知、态度、行为得分分别为(15.72±3.40)、(18.34±3.41)、(14.60±3.89)分。知、信、行三方面各条目之间比较差异均有统计学意义(F=7.688、5.106、6.763,均P<0.05);认知方面条目K3得分(3.00±0.79)分,为各条目最低,与K1、K2、K4及K5比较差异均有统计学意义(均P<0.05);态度方面条目A5得分(3.57±0.75)分,为各条目最低,与A3、A4比较差异均有统计学意义(均P<0.05);行为方面条目P3得分(2.79±0.93)分,为各条目最低,与P1、P2比较差异均有统计学意义(均P<0.05)。不同特征对象在人工智能技术应用的认知、态度和行为方面表现出差异,不同年龄、性别、婚姻对象的认知(χ^(2)=3.859、34.035、12.346,均P<0.05),不同性别、户籍、生育对象的态度(χ^(2)=9.287、15.659、3.904,均P<0.05),不同性别、职务、婚姻状况对象的行为(χ^(2)=8.912、5.170、4.458,均P<0.05)差异均有统计学意义。需求方面,选择随访服务、数据管理、数据采集的对象较多,分别占总人数的28.74%(173/602)、26.25%(158/602)、25.42%(153/602);年龄、性别、学历、职称、生育、认知、态度、行为差异是人工智能技术应用需求的基本影响因素(χ^(2)=72.446、23.837、25.471、34.144、24.452、21.410、15.572、27.779,均P<0.05);年龄越大、女性或有应用行为的人群对人工智能应用的需求可能越高(t=3.905、3.548、-3.044,均P<0.05)。结论在签约服务工作中,家庭医生团队医务人员人工智能技术应用的认知、态度和行为存在显著差异,性别、年龄、应用行为等特征因素对需求有显著影响。

关键词： 机器学习   流量分析   异常检测  

摘要： 为进一步提升在加密DNS(Domain Name System)的通讯场景中,DGA(Domain Generation Algorithm)流量检测的实时性、准确率和泛化性,保障计算机通信安全,提出了一种域名生成算法加密流量检测方案——EDGAD(Encrypted Domain Generation Algorithm Detection)。EDGAD由数据预处理和流量分类两个模块构成。预处理模块通过流量簇划分策略和高效特征集减小开销。流量分类模块包含两阶段分类模型,其中阶段一采用二分类模型将DoH(DNS over HTTPS)流量分为DGA流量和非DGA流量;阶段二基于对比学习思想构建多分类模型,识别DGA加密流量所属的具体DGA软件。此外,阶段二中还设计了流量样本增强方法,以及对比学习模块和多分类模块联合调优方法,以提升模型泛化性和训练效率。在采用1 s流量数据构建特征的数据集实验中,选择XGBoost模型作为阶段一的二分类模型,并将阶段二中缩放参数确定为0.25。实验结果表明,EDGAD能有效识别7种DGA恶意软件,准确率达到98.07%,平均精度均值达到0.9813,较对比方案分别提升了1.24个百分点和0.0136。

关键词： 人工智能   工程管理   教育改革   智能化教学  

摘要： 随着人工智能(AI)技术的快速发展,工程管理专业教育正经历深刻的智能化变革。围绕AI赋能工程管理专业智能化教育,构建了工程管理智能化教育模式,分析了当前跨学科知识融合、沉浸式与游戏化教学的应用,以及智能导师与智能辅助教学系统的实践探索,从技术开发、应用和推广层面探讨了AI赋能工程管理专业教育过程中遇到的挑战。未来,通过政策支持、技术优化以及提升师生AI素养等途径,推动AI技术在工程管理教育中的深度融合与可持续发展,为培养高素质工程管理人才奠定坚实基础。

关键词： 机器学习技术   智能座舱告警   告警源   CNN  

摘要： 本研究探讨了一种基于机器学习技术的汽车智能座舱告警系统,旨在应对由众多告警源引发的安全风险问题。针对现行系统中告警信息的冗余和分类不精确等缺陷,本文提出了一种结合人工经验筛选法与CNN模型的混合筛选策略。具体而言,该策略通过整合来自不同设备的运行状态信息并进行有效分类,利用人工经验减少疑似缺陷信号,同时借助卷积神经网络(convolutional neural network,CNN)模型进行特征提取和精准分类。实验结果显示,CNN模型在测试集上的分类准确率达到了89.07%,而将2种方法综合运用后,对所有原始告警信号的筛选准确率更是高达99.998%,显著超越了现有VAS系统的筛选准确率(90%)。这验证了所提出方法在告警信息筛选方面的高效性和卓越性。未来的研究将着重于增加训练数据量、优化模型参数以及改进文本预处理技术等方面,以期进一步提升系统的整体性能。

关键词： 跨境电商   人工智能   动态能力理论  

摘要： 本文深入探讨了人工智能如何赋能跨境电商,并围绕物流升级、营销推广进步、供应链优化以及智能支付与风控四个核心维度进行影响分析。基于动态能力框架的视角揭示企业在快速变化的数字环境中,如何通过感知、把握和重构能力来有效利用AI技术,以实现竞争优势和业务模式的转型。研究结论有望为跨境电商企业的AI战略提供理论指导,并提出相关政策建议。

关键词： 人工智能   骨龄测评   青少年   适用性  

摘要： 目的探讨基于北美数据集自主研发的人工智能骨龄评测模型对儿童青少年的临床适用性。方法根据Greulich-Pyle骨龄计算方法(G-P法),使用2017年北美放射学会(RSNA)公开的骨龄数据集——14236张左手腕DR平片,构建基于深度学习的儿童骨龄人工智能评测模型(AIBAA-GP)。回顾收集2018年9月—2022年9月因家长自愿要求评测骨龄而来厦门市湖里区妇幼保健院拍摄左手腕部DR平片的患儿影像学资料。选择符合条件的1709张,男童867张,女童842张,使用AIBAA-GP模型评测骨龄。评测的骨龄结果与生活年龄进行分析比较,测试完成后获得该模型在不同年龄段的结果差异。结果AIBAA-GP算法模型在1709张DR平片的测评结果显示,骨龄评估结果与实际年龄间差异有统计学意义(P<0.05),分别为男童4、5、6、7岁组及女童3、4、5岁组,差异均值均在1.6岁以内。若按各年龄组骨龄评估结果与实际年龄间差异的均值进行相应调整,可将上述各组骨龄评估值分别上调-1.16、-1.14、-1.35、-1.29岁及1.59、-1.52、-1.06岁;男女童生活年龄与计算机预测骨龄显著相关(男r=0.952,女r=0.885)。结论基于北美人群数据集构建的AIBAA-GP算法模型在小部分年龄段适用于我国儿童青少年,需对大部分年龄段评估结果进行微调后方可应用于临床辅助诊断。

关键词： 机器学习   电力建设工程   施工质量   预测优化  

摘要： 文章提出了一种基于机器学习的电力建设工程施工质量预测与优化方法,旨在通过先进的机器学习技术提升施工质量的预测精度和管理效率。研究内容包括机器学习模型的构建与应用,具体涉及“玄视”电力视觉大模型、YOLOv3目标检测模型以及LSTM时间序列分析模型。通过多维度数据的处理与分析,这些模型有效识别潜在质量问题并提前预警。基于预测结果,进一步提出了施工工艺优化和资源分配管理优化策略,以提升施工质量和效率。实验结果表明,与传统方法相比,基于机器学习的方法在施工质量预测准确性方面具有显著优势,平均预测准确率高出11.0%。

关键词： 致密气   动态储量预测   机器学习  

摘要： 精确预测气井的动态储量是致密气高效开发的关键基础。本文针对致密气藏气井动态储量预测问题,基于X致密气藏某区块400口致密气井的实际数据,采用机器学习方法开展致密气井动态储量预测。首先,通过对原始数据进行预处理,其次,利用皮尔逊相关系数法分析,筛选出影响动态储量的主控因素。接着,运用机器学习的方法建立了动态储量的预测模型,最后,使用粒子群优化算法对超参数进行优化。结果表明利用随机森林算法预测结果良好,能够很好地预测气井的动态储量。该技术为提升气井动态储量的预测能力提供了新途径。

关键词： 机器学习   静止卫星   对流初生识别  

摘要： 通过识别对流初生过程,能有效监测对流发展情况,准确预报强对流,对中国预防对流灾害具有重要意义。传统对流初生识别算法虽然命中率较高(probability of detection,POD),但误报率(false-alarm ratio,FAR)也往往较高,且对预报人员的气象背景及预报经验有较高要求。利用2018-2019年风云4号A星(记为FY4-A,下同)的先进静止轨道辐射成像仪(advanced geosynchronous radiometer for imaging,AGRI)数据以及山东省的天气雷达数据,通过AGRI单通道、组合通道差以及时间变化率计算得到特征参量,结合雷达反射率因子大于35 dBZ的条件,建立客观的初生对流单体标记方法。通过使用决策树(decision tree,DT)、支持向量机(support victor machine,SVM)和人工神经网络(aArtificial neural network,ANN)3种机器学习方法,对山东省内对流初生过程进行建模与评估。经计算,SVM的效果最好,POD为91.2%,FAR为10.1%,临界成功指数(critical success index,CSI)为82.7%;其次是DT,POD为84.5,FAR为10.9%,CSI为76.6%;ANN的评分最差,POD为75.8%,FAR为16.7%,CSI为65.8%。实验结果表明采用机器学习方法可以有效识别对流初生,在强对流预报中能发挥很好的作用。