关键词： 二分网络   “主语-行为-宾语”语义挖掘   网络表示学习   机器学习   医学知识发现  

摘要： ,利用“主语-行为-宾语”语义挖掘方案识别疾病与药物治疗信息,抽取药物实体与疾病实体,构建“药物-疾病”二分网络,综合运用社会网络分析、网络表示学习、机器学习方法分析网络结构及节点特征,挖掘医学实体间的潜在联系。结果/结论二分网络表示学习方法能够揭示药物与疾病的关联知识,获取治疗疾病的关键药物,可为用药治疗提供可行性方案。

关键词： 自动分拣   人工智能   机器人   Master   突破性进展   解决方案   编程  

摘要： 通快公司的新解决方案SortMaster Station和SortMaster Vision首次实现了无需编程的全自动分拣。为实现这一目标,通快公司与领先的人工智能和机器人软件公司Intrinsic合作,采用了创新的工艺和人工智能。该解决方案可灵活用于所有部件,特别是厚板和复杂几何形状的部件。

关键词： 国有企业   税务风险   税务机关   风险识别与控制   税务管理   合规经营   监管能力   人工智能  

摘要： 金税四期的全面实施标志着税务管理已步入崭新的发展阶段。国有企业在国家经济体系中占据重要地位,其在税务风险的识别和管理上也面临更加复杂和严峻的局面。金税四期采用现代信息技术手段,如大数据、云计算与人工智能,实现了税务信息的全面共享与监管,显著增强了税务机关对企业的监管能力。在此背景下,国有企业有必要主动应对税务环境的变化,强化对税务风险的识别与管理,以保证合规经营和持续发展。

关键词： 人工智能   内部控制   中小企业   风险防范  

摘要： 本研究聚焦于人工智能(AI)技术在中小企业内部控制风险防范中的应用。中小企业在内部控制方面常面临技术、资金和数据获取等挑战。本研究旨在探讨AI技术如何通过提升内控效率、强化风险识别、优化内控策略及增强透明度与合规性,赋能中小企业提升竞争力和抗风险能力。研究综述了AI技术在风险管理中的应用现状,分析了其在中小企业风险管理中的适用性及挑战与机遇,并从理论逻辑上阐述了AI赋能的四个主要方面。结合文献综述、理论分析与案例研究,提出了AI技术与工具的应用、组织架构与文化的构建、政策与法规路径的探索等策略建议。本研究揭示了AI在中小企业内部控制中的重要作用,为中小企业提供了切实可行的AI应用路径,深化了对AI在风险管理领域应用的理解,并为政府及行业协会提供了决策依据和实践指导。

关键词： 抗体   抗中性粒细胞胞质血管炎   急进性肾小球肾炎   机器学习   人工神经网络   诊断模型  

摘要： 目的 联合运用随机森林与人工神经网络算法构建抗中性粒细胞胞质抗体(antineutrophil cytoplasmic antibodies, ANCA)相关性血管炎(ANCA-associated vasculitis, AAV)伴肾小球性肾炎的诊断模型。方法 从GEO和Array Express数据库下载分析所用的数据集(GSE108113和GSE104948为训练集,E-MTAB-1944为验证集),并在AAV伴肾小球性肾炎样本和正常对照样本中鉴定出差异基因。针对差异基因,进行了GO、KEGG富集分析并构建了蛋白质–蛋白质相互作用(protein protein interaction,PPI)网络。应用随机森林和人工神经网络算法进一步筛选特征基因,并构建和验证诊断模型。结果 鉴定出380个差异基因,其中194个显著上调,186个显著下调。富集结果显示差异基因多与免疫反应和代谢过程相关的通路有关。EHHADH、CCL2、FN1、IL1B、VAV1、CXCR4、CCL5、CD44位于PPI网络的核心。随机森林算法筛选出15个特征基因,人工神经网络算法计算每个特征基因的权重并成功构建了诊断模型。该模型具有显著的预测能力,曲线下面积(area under curve,AUC)1.000。验证队列的AUC为0.808,进一步证实了模型的准确性。结论 本研究运用机器学习算法成功鉴定了AAV伴肾小球肾炎的特征性生物标志物,并构建了诊断模型。该模型可为疾病早期诊断提供可靠参考,并为发病机制的研究提供新的视角。

关键词： 电池包   碰撞安全性   侧面柱碰撞   机器学习   有限元仿真  

摘要： 电动汽车电池包在侧面柱碰撞下极易失效并可能发生着火。为准确、快速地评估电池包在侧面柱碰撞下安全性,采用区域细化的电池包模型,在不同的碰撞速度、碰撞角度、碰撞位置和车辆装载状态下开展了仿真分析,采用优化拉丁超立方采样策略设计了仿真矩阵,并通过图像识别的方法批量提取电池包碰撞响应生成数据集。对研究参数进行组合生成了新特征,并对参数进行相关性分析,确定了模型训练的输入特征。采用支持向量机、随机森林方法和反向传播神经网络(back propagation neural network, BPNN)机器学习方法建立了数据驱动的预测模型。结果表明,支持向量机模型性能最优,模型预测参数的平均决定系数R2为0.96。在训练数据集中引入标准差不同的高斯噪声,对模型的鲁棒性进行了检验,BPNN机器学习方法的鲁棒性较优。采用建立的数据驱动模型能够预测电池包侧面柱碰撞下的变形情况,评估电池包的碰撞安全性。

关键词： 全球智能共哺共享   人工智能   企业管理模式变革   颠覆性变革   开放式企业生态  

摘要： 构建灵活的组织结构,营造外部跨行业、内部跨部门的开放式企业生态。当下,以AI为代表的新技术蓬勃发展,形成了“全球智能共哺共享”新模式,对全球政治、经济、科技等环境产生深远影响。大家享受AI带来技术层面的便利时,也应意识到它将深层次地促进人们思维方式的变革。企业的运营模式、组织结构和战略方向将被AI重塑,企业管理者面对这种变化,可探索符合时代发展的企业管理模式,确保企业健康可持续发展。

关键词： 高校图书馆   图书采访   机器学习模型   RoBERTa   LightGBM  

摘要： 在对智能图书采选模型构建方法进行综述和对相关机器学习算法进行介绍基础上,探索基于RoBERTa和LightGBM构建高校图书馆中文图书采选机器学习模型。分析模型的构建目标和研究框架,从数据来源与清洗、特征筛选与确定、衍生特征构建、基于RoBERTa模型的文本特征构造、数据编码等方面对特征工程进行详细描述,构建基于LightGBM的中文图书采选分类模型并进行模型评估,提出模型应用策略方案和后续研究建议,以期推进机器学习模型的应用发展和图书采选工作的智能化转型。

关键词： 抽油机井   故障诊断   示功图   机器学习   半监督学习  

摘要： 近年来,基于深度学习的油井故障诊断方法取得了显著进展,但这类方法的性能高度依赖标注样本集的数量和质量,且深度学习模型经过训练后可诊断的故障类型被固定,增加新类型需要重新收集样本并进行再训练,灵活性不足。为解决上述问题,文章提出了一种基于半监督学习的抽油机井故障诊断方法。该方法利用VGG19与小批量K均值相结合对大量示功图进行自动聚类分析,通过对聚类结果实施批量标注,能够有效提升样本分类的科学性及标注效率。在此基础上,构建基于欧氏距离的K近邻算法实现故障诊断,避免了深度学习方法中繁琐的模型训练及参数调优过程,同时支持样本集动态更新。基于矿场实际数据的实验结果显示,所提出的半监督学习诊断方法可达到与深度学习方法相当的准确率(均超过90%),但在前期准备阶段所需的时间成本减少了90%以上。更重要的是,当面对新出现的故障类型时,本方法能够快速响应并适应,极大地增强了抽油机井故障诊断系统的灵活性。

关键词： GPU调度   蚁群算法   机器学习  

摘要： 针对GPU云资源的供需不平衡、实时调度策略存在局限性的问题,提出了一种GPU云资源预约式智能调度技术(Deadline Ant Clony Optimization,DACO),该技术由预测时长模块和调度模块两部分组成。文章对提出的技术进行了实验模拟验证,结果表明论文提出的技术能够有效地在保证任务截止时间前完成率的条件下,提高资源利用率和任务响应时间。