关键词： 结直肠癌   错配修复系统   影像组学   机器学习   逻辑回归  

摘要： 目的 建立基于增强CT (enhanced CT, CECT)影像组学特征与临床特征的联合多种机器学习模型,比较其术前预测结直肠癌(colorectal cancer, CRC)患者错配修复系统(mismatch repair, MMR)分型模型的效能。方法 回顾性收集来自河北北方学院附属第一医院120例CRC患者的临床及影像学资料,将其按照7∶3随机分为训练集和验证集。于CECT门静脉期绘制感兴趣区(region of interest,ROI),并提取影像组学特征选择最优集合。对于临床资料使用统计学方法进行分析。采用受试者工作特征曲线下面积(area under curve, AUC)、敏感性、准确率、特异度及F1评分评估模型的诊断效能,并绘制校准及决策曲线。结果 3种算法中根据影像组学特征与临床参数特征相联合所建立的影像组学特征-临床参数特征联合模型(简称影像-临床联合模型)的效能高于其他模型。其中影像-临床联合模型中的逻辑回归算法展现了较高的性能,其验证集逻辑回归算法AUC为0.93 (95%CI=0.89～0.96),支持向量机算法的AUC为0.91 (95%CI=0.83～0.98),随机森林算法的AUC值为0.91 (95%CI=0.73～0.97)。结论 应用基于CECT图像所建立的影像-临床联合模型可以有效鉴别CRC的MMR分型,其中逻辑回归算法性能较好。

关键词： 铜合金   数值模拟   机器学习   预测模型   工艺参数优化  

摘要： 针对C70250合金板的热冷组合铸型（HCCM）水平连铸，采用机器学习辅助的方法快速准确地预测温度场、两相区和晶粒尺寸。首先，在不同工艺参数下对铸造过程进行有限元模拟，建立了数据集。随后，采用不同的机器学习算法，实现了对温度场、两相区位置、两相区倾斜角度和板坯晶粒尺寸的高精度预测。最后，采用随机生成、预测和筛选的策略快速优化了工艺参数，从而将两相区控制在目标范围内。优化后的参数为：热型温度1234 ℃，连铸速度47 mm/min，冷却水流量10 L/min。优化后的两相区位于第二隔热段的中间位置，倾斜角约为7°。

关键词： 震前经济损失评估   机器学习   规则钢筋混凝土框架结构   经济损失数据库   XGB算法  

摘要： 地震往往造成严重的经济损失和人员伤亡，为评估城市地震损失、给防灾规划提供依据，有必要对城市建筑群进行快速、准确的震前经济损失评估。针对城市建筑群中最常见的规则钢筋混凝土（RC）框架结构，本研究建立了一种基于机器学习的震前经济损失评估方法，主要内容包括：建立了规则RC框架结构地震经济损失数据库，考虑了结构构件和非结构构件的地震反应；基于该数据库，采用三种不同机器学习算法建立了规则RC框架结构地震经济损失预测模型。对比模型性能，发现极端梯度提升（XGB）算法在三种机器学习算法预测地震经济损失中表现最好，决定系数R2达到0.99。

关键词： 人工智能   智库   要素模型  

摘要： [目的/意义]全面系统地探究智库运行机制与组成要素，能够为分析智库的功能实现提供模型基础。[方法/过程]本文剖析了智库运作模式下的各功能要素，建构了利益相关者-组织-技术-证据（stakeholder-organization-technology-evidence，SOTE）要素模型，并对其动力因素以及应用场景展开阐述。在此基础上，着重分析人工智能这一变革性力量对SOTE模型的影响。［结果/结论］人工智能显著改变了SOTE模型的各要素及要素间的互动模式，为智库功能实践路径提供了创新动力，推动了智库议程设置、研究与运营工作的革新优化。

关键词： ChatGPT   人工智能   会计   教育  

摘要： 近年来,随着计算机信息相关技术的不断进步,泛用型人工智能迎来显著的发展,其中以ChatGPT为代表的自然语言大模型成为这一技术进展的典型代表.在可预见的未来,人工智能技术在会计领域的广泛应用将对整个行业产生深远的影响.本研究回顾智能技术发展对会计行业的冲击,探讨在类ChatGPT人工智能背景下的会计趋势.分析未来会计趋势对会计教育的影响,并结合对本科毕业生的回访调研结果,在此基础上提出关于未来会计教育发展、课程设计和改革方向的建议.

关键词： 路面工程   构造深度预测   机器学习   数据扩充   路面抗滑  

摘要： 为精准预测路面构造深度，基于路面状况、气候条件、交通荷载、集料类型4类数据，开发路面构造深度预测模型。根据长期路面性能数据库中的小样本数据，利用PchipInterpolator插值法扩充多段点数据，获得7339组数据。基于该数据集和12个特征输入，开发了XGBoost、AdaBoost、ExtraTrees、LightGBM、RandomForest、TCN六种机器学习模型以预测路面构造深度。结果显示，XGBoost回归模型性能最佳，训练集和测试集的决定系数分别为0.998和0.968，故优先选用XGBoost回归模型进行预测分析。数据扩充显著提升了各模型的预测精度，且对TCN回归模型的积极影响最大，可提升51.09%。利用SHAP方法解释模型特征的重要性，其中影响因素排名前6位的依次为厚度、平均温度、第9类卡车交通量、4.75mm筛孔通过率、重型卡车交通量和0.075mm筛孔通过率。特征选择分析结果显示，特征数量为9时的预测精度较特征数量为12时略有下降，但当特征数量减少至6时，模型预测精度显著降低。

关键词： 机器学习   超高性能混凝土   抗压强度   钢纤维   预测  

摘要： 收集了国内外已发表文献的168组试验数据并建立数据库,以15个影响因素为输入变量,抗压强度为输出变量,建立了决策树(DT)、随机森林(RF)、极端梯度提升树(XGBoost)三种机器学习模型对UHPC的抗压强度进行预测,并采用SHAP算法对模型进行了解释。结果表明:三种模型的预测误差百分比均在15%以内,模型预测收敛性较高,预测值和试验值相近,均具有较好的精度,其中,XGBoost模型的预测精度最高;在所选15个影响因素中,钢纤维掺量对UHPC抗压强度的影响最大;基于机器学习预测UHPC抗压强度具有一定的准确性和可靠性。

关键词： 美国智库   人工智能   国际关系   中美关系  

摘要： [目的/意义]分析美国智库对人工智能影响国际关系的研究观点，有助于把握美国政府对华科技博弈战略及走向，为中国发展人工智能、提升人工智能全球治理话语权提供支持。[方法/过程]本文以国际关系领域影响力、人工智能与跨学科研究能力和政治立场为标准，选取10家美国样本智库，梳理其研究成果，分析其对人工智能影响国际关系及维持美国人工智能领先地位的主要观点，从中得出对中国的启示。[结果/结论]美国智库对人工智能影响国际关系的研究涉及人工智能对未来地缘政治形态的塑造、人工智能将成为大国竞争的关键要素、人工智能影响国际安全形态和人工智能全球治理挑战等多个议题，并突出较强的竞争色彩，凸显了美国在人工智能时代护持技术和话语霸权的谋划。对此，中国智库应采取加强与各方互动、瞄准前瞻性研究、提升人工智能领域交流对话等举措。

关键词： DeepSeek   生成式人工智能   法律合规   监管   人工智能  

摘要： 随着生成式人工智能的快速发展，DeepSeek的问世与开源备受关注。DeepSeek凭借对算法模式、知识蒸馏以及思维链技术的破局，实现了低成本训练与高效输出。技术的变革对生成式人工智能的监管具有两面性：一方面，思维链和模型开源缓解了“算法黑箱”困境，为监管审查提供便利；另一方面，对隐私保护和数据合规、知识产权、“幻觉问题”以及模型安全性隐患等带来新挑战。DeepSeek的爆火再度说明，生成式人工智能的监管应面向未来，将隐私保护与数据安全、技术创新与保护平衡、模型提示与反馈机制、模型安全性作为监管重点，避免技术滥用与恶意攻击，保障并促进生成式人工智能安全、良性发展。

关键词： 人工智能   机器学习   诊断   干眼   证型  

摘要： 目的 干眼的中医辨证的精准性有待提升存在不足，本研究旨在基于干眼的客观信息，构建干眼的中医智能辅助诊断模型。方法 通过运用14种机器学习技术，模型能够针对新的数据提供相应的诊断判断，进而优化中医对干眼的诊断和治疗策略。结果 XGBoost算法在干眼虚、实证型的二分类模型上展现出卓越性能。采用14种机器学习构建干眼具体证型的分类模型效果欠佳。Extra-Trees算法构建干眼实证证型的三分类模型效果较好。CatBoost算法构建干眼虚证证型的三分类模型效果较好。结论 相较于直接采用机器学习构建干眼具体证型的六分类模型，在虚、实证型二分类模型的基础上，针对不同目标的干眼证型分类任务，应选用最适宜的算法构建模型，以确保模型性能达到最佳效果。