关键词： 人工智能   热红外遥感   农业气象遥感参数   联合反演  

摘要： 【目的】提升农业气象遥感关键参数—地表温度（LST）、地表发射率（LSE）、大气水汽含量（WVC）和近地表空气温度（NSAT）的反演精度，解决传统方法未充分利用参数间相互依赖关系导致整体精度不足的问题。【方法】文章提出了一种基于人工智能（AI）的热红外遥感多参数联合反演方法。该方法通过深度学习耦合物理辐射传输方程和统计方法，首先推导物理反演模型，明确参数反演需满足的两个条件，获得物理代表性解；然后基于多源数据构建统计代表性解，组合两者形成深度学习训练与测试数据库。反演框架先直接反演LST和LSE，再将其作为先验知识，通过交叉迭代优化WVC和NSAT的反演精度，消除不确定性，实现多参数联合反演。【结果】利用MODIS27、28、29、31和32波段进行实际反演应用分析，数据分析表明5个波段组合下LST相对反演误差MAE和RMSE分别为0.42K和0.71K。LSE31和LSE32对应相对反演误差MAE分别为0.004和0.003，RMSE均为0.005。WVC的反演相对误差MAE和RMSE分别0.46g/cm2和0.62g/cm2。NSAT的反演相对误差MAE和RMSE分别为1.26 K和1.86 K。NSAT反演引入LST和LSE后，反演精度得到了提升，并更加稳定。地面观测站点数据验证表明，LST反演的MAE和RMSE分别为1.27 K和1.61 K；WVC反演的MAE和RMSE分别为0.39 g/cm2和0.48 g/cm；NSAT反演的MAE和RMSE分别为1.73 K和2.01 K。【结论】联合反演策略下，LST和LSE精度稳定，WVC和NSAT通过先验知识迭代优化克服了传统方法精度不足的局限。分析表明，基于AI的热红外遥感多参数联合反演方法充分利用参数间关系，大幅提升整体反演精度，对农业气象遥感和卫星传感器设计具有重要意义。

关键词： 人工智能   乳腺癌   医学影像学   超声   诊断  

摘要： 近年来，人工智能发展迅速使其广泛应用在医学领域，特别是在乳腺癌诊断等方面。本文先简要回顾了没有人工智能参与时，乳腺癌的诊断和治疗方法以及它们的不足之处，然后对人工智能在乳腺癌的筛查、诊断和治疗上的应用作一综述。最后，本文简要说明了现存的问题，并对人工智能在乳腺癌诊断等方面的应用进行了展望。

关键词： 碳密度   西南八省   多源遥感   机器学习  

摘要： 随着石漠化综合治理和生态修复等重大工程的实施，我国西南喀斯特地区已成为全球植被覆盖和地上生物量增长最快的地区之一，也是中国率先实现碳中和目标的潜力区域。但由于地质背景复杂，本区域森林地上生物量的估算存在较大的不确定性。因此，对西南森林地上生物量的准确估算和生态恢复下固碳效应的监测评估研究成为迫切需求，以期为优化生态治理工程、实现碳中和及森林管理提供科学指导。本研究使用2015年碳密度静态基准图来训练机器学习算法，应用于年度MODIS图像来估算碳密度变化；辅以分辨率为25 km×25 km的SMOS低频无源微波数据独立评估2010–2017年生物量变化和土壤湿度趋势；生成了2002–2017年覆盖中国西南地区的地上生物量碳密度数据集，空间分辨率为500 m×500 m；并根据分辨率为30 m和5.6 km的独立树木覆盖数据对本数据集进行验证，相关系数达0.9。本数据集量化了造林、采伐和自然再生等不同森林管理策略对碳固存的影响，提供了中国西南地区多种生态系统、植被类型、植被结构在不同时间尺度和空间尺度下的生物量碳密度数据，可为多尺度的生态环境管理和研究提供支持；多源数据提取生物量碳密度信息，与地面调查数据校正、验证相结合的分析方法，可为多尺度的生态环境监测和分析的数据处理提供技术参考；同时本数据集的结果，还可应用于生态环境保护、气候变化、生态系统服务评估、碳排放核算、土地利用规划等专题研究领域，为政府部门、科研机构和环保组织提供重要的决策支持和分析借鉴。

关键词： Python   数据可视化   机器学习   随机森林   支持向量机  

摘要： Python语言因其在生物数据分析中的广泛应用，已成为生物信息学实验的重要内容。本文基于珊瑚生存环境与分布的数据集，构建了一套整合Python数据分析与机器学习技术的实验框架，旨在探究盐度、温度等环境因子对珊瑚分布的影响，并评估随机森林、支持向量机等模型在珊瑚存在状态预测中的效能。对于调查数据的分析结果表明，珊瑚主要分布于低纬度地区，利用机器学习方法能够基于盐度、一月温度、六月温度，较准确地预测珊瑚存在状态。本实验设计为生态学数据解析提供了可复用的技术路径，其方法框架可扩展至其他海洋生物分布预测，并提供保护决策支持。

关键词： 人工智能   教育大模型   数字化改革   辅助教学   计算机教育  

摘要： 针对教育大模型技术蓬勃发展背景下的计算机教育审思问题，在厘清教育大模型的理念内涵和发展现状后，分析了教育大模型为计算机教育数字化带来的潜力、机遇及不可忽视的隐患和挑战。首先，立足技术本质，针对自然交互造成过度依赖、生成幻觉引发知识混乱、固有偏见误导价值取向等3项隐患，提出强化学生主体性、改善大模型幻觉、增强技术普惠性的潜在解决方案；其次，拓展学习空间、学习资源的个性化及教师角色升级，进一步打造教育大模型辅助计算机教育数字化应用新场景；最后，建设大模型技术与教育教学深度融合的创新应用基础设施，加快智能教学助手融入教学环境，开拓智慧教育管理模式，以期抢抓世界数字教育发展机遇，实施国家教育数字化战略行动，助力教育数字化转型和智能化升级。

关键词： 低轨卫星网络   网络安全   防御策略   人工智能  

摘要： 随着低轨卫星网络的快速发展，其应用领域日益广泛，与人工智能等技术融合程度日益趋深，但随之而来的安全问题也更加凸显。该文旨在综述低轨卫星网络面临的主要安全问题，并探讨相应的防御技术。该文首先概述低轨卫星网络的发展情况，不同于现有综述侧重于物理层安全的现状，该文针对低轨卫星网络安全问题，特别是网络层安全进行了系统性研究。该文详细介绍了低轨卫星网络的体系架构、独有的网络特征和脆弱性，并分析了其脆弱性机理，系统地介绍了低轨卫星网络面临的不同威胁手段的安全问题。在此基础上，对基于虚拟仿真、人工智能等先进技术的防御技术进行研究与分析，并对未来低轨卫星网络的安全发展方向提出了建议。

关键词： 机器学习   比特币   非法交易检测   深度学习   图神经网络  

摘要： 比特币的匿名性和去中心化特性使其成为非法交易的重要工具，给传统资金追踪和法律监管带来巨大挑战。为应对这一问题，研究者逐渐采用机器学习技术，通过强大的数据处理能力检测比特币网络中的非法交易。然而，现有研究多基于非标准化数据集，缺乏对比分析，难以实现实际应用。本文系统梳理了近年来基于机器学习的比特币非法交易检测研究，回顾了主要成果和技术进展，重点分析了数据准备、特征提取及分类算法的应用现状。通过仿真分析几种常用机器学习算法，并基于准确率、精确率、召回率和F1分数等指标对其检测性能进行了评估。研究发现现有方法在标准化和智能化方面存在不足，提出了算法智能化及多源数据融合的未来发展方向，旨在提升比特币非法交易检测的准确性和实用性。

关键词： 无机化学   课程思政   人工智能   个性化需求  

摘要： 无机化学作为高校化学专业学生的必修课，对于培养学生的思想道德品行和正确的价值观念具有重要意义，将思政元素融入无机化学专业课程是教学改革的重要方向。但传统的无机化学课程思政在实施过程中仍存在一定缺陷，无法满足学生个性化发展的需求。随着教育技术的不断进步，人工智能正逐步渗透到高等教育的各个领域，为传统教学模式带来革新。人工智能通过提供个性化学习途径、动态学生表现，并且给予针对性的反馈和指导等方式弥补了上述问题。本文通过分析人工智能技术在无机化学课程思政中的具体应用，提出了基于人工智能背景下无机化学课程思政建设的实践策略，推动无机化学课程思政建设的时代化、智能化发展。

关键词： 人工智能   医学研究   评价  

摘要： 人工智能具有改善工作表现、提高时间效率和降低工作成本等优点，已经被广泛应用于医疗在内的诸多行业领域。全面评价医学人工智能对优化人工智能在医学领域的应用具有重要意义。然而，目前对医学人工智能进行全景评价的体系较为缺乏。因此，本综述旨在从模型性能、社会接受度、医学伦理学考量3个方面对当前医学人工智能评价的研究进展进行全景综述，总结不同研究中对于医学人工智能的评价方法，以期为医学人工智能的全景评价与优化完善提供参考。

关键词： 交通工程   出行方式选择行为   均值异质性随机参数logit模型   机器学习   活动   混合方法  

摘要： 为研究活动对出行方式选择行为的影响,提出一种顺序混合方法,旨在捕捉更加丰富的出行行为规律。第一阶段使用均值异质性随机参数logit模型,分析各因素对出行方式选择行为的影响,并研究显著影响因素的异质性;第二阶段使用XGBoost-SHAP算法,补充发现显著影响因素的重要性及交互性。研究表明:11个影响因素会增加出行者选择公共交通方式的概率,其中3个与活动属性相关的因素。5个影响因素具有随机参数,其中,与活动属性相关的因素包括:出行前活动地点与最近停车场的距离近(≤200 m)、出行后活动地点与最近地铁站的距离近(≤800 m)、出行前活动类型(不在家的娱乐性活动),并且前2个因素表现出随机参数的均值异质性。活动属性相关的因素与其他属性相关的因素交互时,会对出行方式选择产生不同的影响。