关键词： 大数据   计算机   人工智能  

摘要： 计算机技术的迅速发展,催动了以大数据、人工智能技术的发展。目前,人工智能在各行业中逐渐应用,并展现了极强的应用前景。大数据时代,海量数据资源价值被逐渐认识,利用大数据对人工智能进行深度学习,将会带动人工智能技术的快速发展。本文主要分析了大数据背景下计算机人工智能的应用优势,提出大数据背景下计算机人工智能技术应用领域,希望能够提高计算机网络技术水平,促进信息技术在现代经济中的广泛应用。

关键词： 药剂学实验   教学质量   虚拟仿真   人工智能  

摘要： 在当今信息化时代背景下,传统的药剂学实验教学模式难以适应现代药学人才培养的需求。本研究将虚拟仿真与人工智能结合的教学模式用于药剂学实验教学,以期提升学生的实践能力和增强学生的创新精神,促进理论知识与实践地深度融合。本实验随机将2020级本科生作为对照组,采用传统的教学模式,2021级本科生作为实验组,采用虚拟仿真人工智能的教学模式。实验结果显示,实验组学生在形成性考核、终结性考核、实践技能和创新精神等方面的成绩明显高于对照组。通过运用虚拟仿真人工智能教学模式,药剂学实验教学质量在实验场景、知识体系、实验环境、学习路径及辅导反馈等方面均得到提升,教学效果良好,为药学专业人才的培养提供了新的思路和方法。

关键词： 机器学习   生物毒素   食品安全   模型优化  

摘要： 随着全球食品安全问题的日益严峻,快速预测食品中的潜在毒素变得至关重要。传统预测方法如化学分析和生物测定法虽能提供精确结果,但耗时长、成本高且操作复杂,难以满足大规模筛查需求。近年来,机器学习技术凭借其强大的数据处理能力和模式识别优势在食品生物毒素预测领域展现出广阔应用前景。本文首先论述生物毒素预测在食品安全领域的重要性,随后详细介绍机器学习的基础理论与关键算法模型,并重点讨论其在生物毒素预测中的应用,分析不同算法和模型的实际效果。针对机器学习在生物毒素预测中存在的问题,探讨了模型优化与改进策略,包括特征选择、超参数调整和集成学习等技术,并指出实际应用中可能面临的挑战,如数据可用性、模型泛化能力以及跨学科合作的复杂性等,同时提出潜在研究方向。未来随着机器学习技术的不断进步及食品生物毒素数据集的逐步扩增,预计其在食品生物毒素预测领域的应用将进一步发展,为环境保护和人类健康提供更有力支持。

关键词： 人工智能   计算机   软件开发   运用  

摘要： 在当今信息化高速发展的时代,人工智能(AI)技术正逐步渗透到各个行业领域,计算机软件开发也不例外。随着软件系统的日益复杂和用户需求的多样化,传统开发方法已难以满足高效、智能化的开发需求。研究人工智能在计算机软件开发中的运用,旨在探索 AI 技术如何助力软件开发过程自动化、智能化,提高开发效率和质量,降低开发成本。研究对于推动软件开发行业的技术创新具有重要意义,也为实现软件行业的可持续发展提供了有力支撑。文章就人工智能在计算机软件开发中的运用价值,说明人工智能在计算机软件开发中的具体运用,并就人工智能在计算机软件开发中的有效运用难点提出几点对策建议。

关键词： 卷积神经网络   五金打孔件   加工误差   误差控制   智能制造  

摘要： 本文提出了一种基于改进的卷积神经网络(R-CNN)的五金打孔件加工误差控制方法。通过采集五金打孔件加工过程中的多源数据,构建了R-CNN模型进行误差预测和控制。实验结果表明,所提出的方法能够有效降低五金打孔件加工误差,提高加工精度。与传统方法相比,R-CNN模型在误差预测和控制方面表现出更好的性能,为五金打孔件加工误差控制提供了一种新的解决方案。

关键词： 歌唱测评   随机森林   机器学习   人工智能  

摘要： 学生歌唱能力的测评是音乐教育中至关重要的环节,直接关系到教学质量的评估和学生声乐技巧的提升。传统的歌唱测评方法主要依赖于专家主观评价,存在标准不统一、效率低下等问题。利用近三年自主开发的音乐测评小程序,收集了34280名学生的歌唱音频数据和70多位老师对这些音频的76360次评分。通过应用机器学习技术,使用随机森林算法训练歌唱能力评估模型。结果表明,该模型在歌唱测评任务中表现出较高的准确率,为歌唱能力的客观化评估提供了一种有效途径。

关键词： 死亡   人工智能   数字来世   数字足迹   人机关系  

摘要： 由数字媒体和人工智能驱动的数字来世正在改变社会文化对于死亡的理解。数字来世模糊了生与死的界限,也为生者与逝者重新建立互动关系提供了可能。但其也面临不少挑战,主要有“与逝者交流”的人工智能能否有效减缓悲伤、数字鸿沟是否会加剧死亡不平等、数字遗产是否应当赋予道德地位、数字足迹访问的隐私和滥用等。数字时代死亡实践的显著变化,促使人们既需要在想象关系中重新理解死亡、接纳悲伤作为一种积极反应、扩展网络葬礼和哀悼的意义,也需要及早考虑技术开发的风险防范与法律问题。

关键词： 人工智能   建筑工程项目   进度预测   优化管理  

摘要： 在建筑行业规模扩张与项目复杂度攀升的背景下,传统进度管理方式因依赖经验与人工判断,难以应对复杂多变的项目环境和诸多不确定因素,导致进度延误、成本超支等问题频发。基于此,构建了基于人工智能的进度预测模型与优化管理模型。在进度预测模型构建中,通过数据收集与预处理、特征选择与提取、模型选择与训练、模型评估与优化等步骤,实现对项目进度的科学预测;在优化管理模型构建中,明确优化目标、分析约束条件、应用智能优化算法并对优化结果进行评估与调整,以达成项目资源的合理配置与进度的优化。

关键词： 机器学习   LightGBM模型   时空演化   地震预测  

摘要： 震级预测是地震预测中重要且困难的研究内容之一。可通过预测震级大小,可提高震后救援效率和降低地震灾害损失。文章通过对历史地震目录数据(时间范围:1900—2024年,空间范围:5°~50°N、55°~150°E,震级范围:M5及以上)进行预处理和特征参数筛选,构建基于轻量级梯度提升机(LightGBM)的震级预测模型;然后对长短记忆神经网络(LSTM)、随机森林(RF)、图卷积网络(GCN)+门控循环单元(GRU)组合时序图卷积网络模型(T-GCN)、支持向量回归(SVR)和LightGBM等五种模型的试验结果对比分析。结果表明,LightGBM方法能够很好地拟合地震震级的变化趋势,其均方根误差(RMSE)值和平均绝对误差值(MAE)分别为0.101和0.100,均小于其他四种模型,决定系数值(R^(2))为0.707,均高于其他模型结果误差明显优于其他四种。该方法模型为应用地震震级特征进行地震预测提供了较好的思路。

关键词： 大地热流   南海   机器学习   洋壳   洋中脊  

摘要： 大地热流是地球动力学研究与资源勘查的重要指标,但其测量易受气候、热液活动等因素的干扰,导致实测数据匮乏。本研究针对现有基于机器学习的热流预测模型对洋壳热流特异性考虑不足的问题,整合南海实测热流和多源地质、地球物理等数据,基于线性模型、支持向量机和XGBoost算法,通过对比引入与不引入洋壳特征(距洋中脊距离和洋壳年龄)的预测模型,揭示洋壳特征对南海热流分布的影响机制。结果显示:洋壳特征虽与实测热流值无显著相关性,但其使预测热流在洋中脊附近呈现更显著的带状分布;且在引入洋壳特征的模型中,布格重力异常的特征重要性显著高于其他特征。基于热流值、布格重力异常和距洋中脊距离的K-means聚类分析识别出构造主导型洋壳(类型1)与岩浆主导型洋壳(类型2)区域,印证南海洋壳扩张自23.6 Ma洋中脊跃迁后扩张机制由岩浆主导向构造主导的演化特征。本研究为南海深部动力学过程提供了数据驱动的新认知框架。