关键词： 人工智能   小学数学   个性化学习  

摘要： 为推动小学数学教育高质量发展并精准匹配学生的个性化学习需求,文章探讨了人工智能赋能小学数学个性化学习的实现路径,通过构建智能诊断的学情分析机制,精准识别学习特征;创新基于智能适应的学习支持策略,提供个性化服务;完善基于智能过程监测的动态优化建议。实践表明,该模式能满足学生的多样化需求,促进其自主学习能力与创新思维发展。

关键词： 车辆工程   人工智能   大数据   课程改革   教学创新  

摘要： 随着人工智能和大数据技术的迅速发展,传统的车辆工程学科教育面临着转型和升级的需求。尤其是在应用型本科高校中,车辆工程课程体系与现代技术的需求之间存在较大差距,亟需进行课程改革。本文首先分析了当前车辆工程学科课程设置的现状,指出课程内容和教学方法的局限性,讨论了人工智能和大数据在车辆工程中的多项应用。在此基础上,提出了具体的改革路径和方法,包括强化技术融合、推动多学科交叉、培养学生的创新与实践能力,以及采用智能化教育手段等。此外,改革还应加强教师队伍建设、创新教学方法,并结合实际案例和行业实践,增强学生的实际操作能力。

关键词： 人工智能   建筑全生命周期   智能设计   智能建造   智慧运维  

摘要： 人工智能(AI)成为推动建筑行业向智能化、绿色化、精细化转型升级的核心驱动力。智算、算法及数据构成技术底座,AI应用全面融入从设计、施工建造到运维管理的全链条。建议加快构建高质量数据集,从典型场景切入、以点带线、以线带面,并结合建筑AI应用示范行动,推动建筑领域AI高质量发展,赋能好房子、好小区、好社区、好城区的四好建设。

关键词： 脑卒中   深静脉血栓形成   机器学习   预测模型   Shapley加性解释  

摘要： 目的探讨可解释性机器学习在预测脑卒中患者下肢深静脉血栓形成(DVT)风险的价值,为临床预防DVT提供参考。方法回顾性收集2021年1月至2025年4月于安徽中医药大学第二附属医院就诊的450例脑卒中患者的临床数据,经单因素分析和LASSO回归筛选变量后,将数据按8∶2拆分为训练集和验证集,并运用决策树、极限梯度提升算法、支持向量机、轻量级梯度提升机算法(LightGBM)、K-近邻算法5种机器学习方法在训练集构建模型,通过5折交叉验证对模型参数调优。在验证集上,曲线下面积、准确度、灵敏度等指标评估各模型性能,选取最优模型。最后运用Shapley加性解释(SHAP)算法对最优模型进行可解释性分析。结果本研究中DVT的发生率为13.56%。通过单因素分析和LASSO回归筛选出9个变量:脑卒中类型、脱水剂、苔色、年龄、日常生活能力量表(ADL)评分、血红蛋白、血小板计数、血肌酐、D-二聚体。在5种机器学习模型中表现最优为LightGBM模型(验证集AUC:0.903,准确度:0.857,精确度:0.971,F1分数:0.912)。SHAP算法分析结果显示,对预测脑卒中患者发生下肢DVT的贡献度排名前5位的特征为D-二聚体、ADL评分、苔色、血肌酐、血红蛋白。结论使用LightGBM构建的预测模型表现较佳,有助于临床工作者识别高危DVT风险的患者;D-二聚体、ADL评分等指标对预测脑卒中患者发生DVT有重要指导意义,可为DVT的预防提供一定的参考。

关键词： 汽车制造业   机器人技术   智能装备   智能制造  

摘要： 智能制造正在引领全球制造业的深刻变革。作为先进技术运用的集大成者,汽车制造业率先实现了智能化转型,先进的智能装备、机器人技术、智能仓储物流以及ERP、MES等信息化系统平台的深度应用,构建了汽车制造业高度自动化、智能化的生产体系。智能制造已成为我国汽车工业崛起的关键抓手。

关键词： 博世集团   史蒂凡哈通   董事会主席   人工智能  

摘要： 在上月德国斯图加特举办的博世集团年度“技术日”活动期间,本刊记者有幸与博世集团董事会主席史蒂凡·哈通博士(*** Hartung),就当下大热的AI话题展开一系列有意思的对话。

关键词： 人工智能   档案管理   智能化应用   数据安全  

摘要： 随着人工智能技术的快速发展,档案管理领域逐渐引入智能化手段以提高工作效率与精确度。文章研究了人工智能技术在档案管理中的应用现状,分析了智能数据分类、自动化文档归档、信息检索与档案安全管理等方面的技术应用,讨论了人工智能技术应用于档案管理中的实际问题,包括数据隐私与安全、技术实现难度、法规与伦理问题,以及技术普及的阻碍因素等,提出了加强数据安全防护、降低技术应用成本等策略,以期为档案管理的智能化转型提供参考,推动档案管理的现代化进程。

关键词： 胚胎学   教学改革   PBL教学   问题重构   高阶能力培养   人工智能  

摘要： 针对传统PBL中识记问题主导、答案标准化及AI依赖等问题,该研究探索问题重构PBL模式。以2022级临床医学学生为教学改革组,2021级为对照组。教学改革包括:重构递进式问题链;引导学生甄别AI答案漏洞并自主推理、对比自主实验设计与科学家实际使用方案,培养科研创新力。结果显示:相比对照组,教学改革组综合分析题得分、针对高阶能力的问卷评分、大学生创新项目立项的质与量均提升。综上,问题重构PBL可有效促进医学生知识整合应用与科研创新能力,但需结合学情分析优化个性化教学,以提高改革收益学生的数量。

关键词： 自动化仪表   人工智能   智能设计   数据驱动   系统框架  

摘要： 本研究聚焦于基于人工智能的自动化仪表智能设计方法,旨在探索数据驱动的设计方法、模型选择与构建,以及优化与迭代技术在自动化仪表设计中的应用。通过构建系统总体架构、模块化设计及接口设计,人机交互设计与智能反馈机制,确保系统的安全性与稳定性,文章构建了一个完善的智能设计系统框架,以期提升自动化仪表的智能化设计效率和可靠性。该研究对推进自动化仪表领域的智能化进程具有重要意义。

关键词： 碎屑岩   储层表征   三维地质建模   测井解释   井震融合   人工智能  

摘要： 碎屑岩储层是中国乃至全球油气资源的重要载体。受限于碎屑岩储层非均质强、地下表征资料相对不足的客观条件,传统的表征与建模技术长期以来难以满足地下储层精细勘探与高效开发的需求。21世纪以来,众多学者逐步尝试将人工智能技术引入碎屑岩储层表征与建模领域,并在近10年取得快速发展。鉴于此,作者系统梳理了智能化技术在碎屑岩储层表征与建模领域的发展历程与研究现状,重点阐述了储层参数测井智能解释、智能化断层与地层构造解析、井震融合智能储层预测、碎屑岩储层智能三维地质建模的最新研究进展与应用效果,并分析了不同智能化储层表征与建模技术面临的挑战与未来的发展方向。总体而言,上述碎屑岩储层智能表征技术在不同程度上面临着高质量样本不足、智能学习模型泛化能力较差、知识驱动与数据驱动融合程度低等难题,未来仍有巨大的发展空间与良好的应用前景。