关键词： 致病性预测   机器学习   非同义突变   计算预测算法   集成特征分析  

摘要： 目的:本研究旨在评估多种机器学习模型对非同义突变致病性预测的集成效能,并通过特征重要性分析和多数据集验证各预测工具的贡献和效果。方法:使用27种致病性预测工具对ClinVar数据集和三个外部验证集的非同义突变进行致病性评估,采用均值、中位数和随机森林填补三种方法对缺失值进行处理。使用四种经典机器学习模型(随机森林、神经网络、朴素贝叶斯、极限梯度提升树)集成预测工具,结合三种填补方式构建12个模型。根据内部验证集的准确率和kappa值评估最佳缺失值填补方法,并进一步评估采用该填补方法的四个模型在多项指标上的性能表现。通过特征重要性评分评估各预测工具在集成模型中的重要性,并在内外部验证集中验证。结果:随机森林填补方法在缺失值填补方面表现最佳,平均准确率为0.9080,平均kappa值为0.8087。四种机器学习算法中,极限梯度提升树模型在各项性能指标上综合表现最优,神经网络和随机森林模型的性能表现与极限梯度提升树模型没有明显差异,朴素贝叶斯模型特异性最高、运行时间最短,但kappa值较低。特征重要性评分显示,AlphaMissense、VEST4和MVP是极限梯度提升树模型的核心特征,在内部验证集和三个外部验证集中,AlphaMissense、VEST4和DEOGEN2的AUC值均排在前五。本研究构建的集成预测极端梯度提升树模型在内部验证集的AUC值为0.9763,高于任一单个预测分数,在外部验证集中AUC均在0.96以上。结论:本研究发现,采用随机森林填补缺失值的极限梯度提升树模型在预测非同义突变致病性方面表现最佳,在集成多个预测工具时可考虑使用该模型。AlphaMissense和VEST4等预测工具在集成模型中的贡献显著,具有较高的可信度和准确性,可为非同义突变的致病性提供可靠的预测。

关键词： 人工智能   深度学习   遥感产品   智能化生产模式  

摘要： 依靠GPU等硬件发展,人工智能技术利用大数据、云计算和互联网技术开启第五次工业革命[1]的序幕。作为人工智能的代表,深度学习技术以其强大的模式识别和数据分析能力,广泛用于图像识别、语音识别、自然语言处理等领域,更是引发遥感领域的行业变革[2]。文章通过对遥感产品传统生产模式和智能化生产模式进行对比分析,研究得出不同模式下的产品生产流程,并在分析细化各阶段岗位职责的基础上,重点研究各岗位等级对应的工作内容和技能要求。同时,提出智能化生产模式下人员能力转型的需求以及相应的培养方式,为构建适应遥感智能化生产模式转型升级发展所需的专业队伍提供有益的参考。

关键词： 低轨卫星网络   波形   多址   接入与传输   人工智能  

摘要： 针对低轨卫星网络空口传输特征,在地面5G NR体制的基础上利用智能化网络与轻量化终端间的协同,实现用户的广域无感接入与适变传输。梳理了低轨卫星网络空口传输关键技术,认为需要采用内生智能的方法辅助空口设计,从空口赋能AI和AI辅助空口两个方面构建完整闭环的研究体系,最后展望了未来低轨卫星网络的研究趋势。

关键词： 5G网络管理   人工智能   网络资源管理   网络性能优化   安全管理  

摘要： 随着5G的快速发展,网络管理的复杂性和多样性日益提升。传统的网络管理方法已难以满足5G网络的高要求。人工智能技术在5G网络管理中的应用为解决这些问题提供了新的思路。文章详细探讨了人工智能在5G网络管理中的关键技术及其应用,包括网络资源管理、网络性能优化、故障预测与诊断以及安全管理。

关键词： 深度神经网络   深度度量学习   机器学习   计算机视觉   人工智能  

摘要： 随着深度神经网络的兴起,深度度量学习(DML)引起广泛的关注。为了深入了解深度度量学习,首先,整理和分析传统度量学习方法的局限性。其次,从3个类型探讨DML,包括基于样本对、代理和分类的类型:基于样本对的类型包括散度方法、排序方法和基于生成对抗网络(GAN)的方法;基于代理的类型主要从代理样本、类别方面进行讨论;基于分类的类型中主要讨论了跨模态度量学习、类内类间边距问题、超图分类,以及与其他方法(如基于强化学习和基于对抗学习的方法)的结合。再次,介绍评估DML性能的各种指标,同时总结和对比DML在不同任务(包括人脸识别、图像检索和行人重识别等)中的应用。最后,探讨DML面临的挑战,并提出一些可能的解决策略。

关键词： 人工智能   安全攻击   攻击检测   防御策略   模型安全  

摘要： 近年来,以深度学习为代表的人工智能技术发展迅速,在计算机视觉、自然语言处理等多个领域得到广泛应用.然而,最新研究表明这些先进的人工智能模型存在潜在的安全隐患,可能影响人工智能技术应用的可靠性.为此,深入调研了面向人工智能模型的安全攻击、攻击检测以及防御策略领域中前沿的研究成果.在模型安全攻击方面,聚焦于对抗性攻击、模型反演攻击、模型窃取攻击等方面的原理和技术现状;在模型攻击检测方面,聚焦于防御性蒸馏、正则化、异常值检测、鲁棒统计等检测方法;在模型防御策略方面,聚焦于对抗训练、模型结构防御、查询控制防御等技术手段.概括并扩展了人工智能模型安全相关的技术和方法,为模型的安全应用提供了理论支持.此外,还使研究人员能够更好地理解该领域的当前研究现状,并选择适当的未来研究方向.

关键词： 预测性维护   停机时间   设备维护   智能制造   锻造设备   新型设备   设备自动化   数据分析  

摘要： 对于锻造企业来说,设备维护至关重要,它是保障设备正常运行和提高生产效率的关键环节。随着锻造工艺的不断升级和设备自动化程度的提高,传统设备维护方式较长的停机时间将对锻造企业的生产效率和经济效益产生不良影响,因此无法满足智能制造发展战略的要求。在此背景下,预测性维护逐渐推广和应用。预测性维护是一种新型设备维护方式,其能够连续监测设备的在线运行状态并进行数据分析,诊断并预测设备故障发生的概率及发展趋势,帮助锻造企业提前制订维护计划和实施维护措施,从而及时消除设备故障,减少设备非计划性停机时间,进而提高锻造设备的稳定性。

关键词： 隐私保护机器学习   机器学习   数据隐私   安全多方计算  

摘要： 【目的】对机器学习安全推理现有的研究工作进行分析,对未来的研究方向进行展望。【方法】以不同方案的安全假设为分类依据,对采用不同的技术组合、应用于不同机器学习场景的安全推理技术进行分析比较。【结果】目前的方案可实现机器学习的安全推理,但在计算效率、安全保护能力、可扩展性以及实际应用场景的适应性方面存在局限。【局限】受限于能够获取到的资料,未能对所分析的方案在同一基准下进行实验及比较。【结论】根据应用场景进行机器学习安全推理的方案设计,在确保安全的前提下提高可用性并降低开销成本,将是该领域的长期发展方向。

关键词： 物流行业   人工智能   智能制造   融合应用   大数据   云计算   物联网   先导性产业  

摘要： 在政策与需求引导下,以及互联网、物联网、大数据、云计算、人工智能等前沿技术的融合应用,使我国物流业朝着更加智能化、自动化的方向加速发展。智能物流是现代化供应链管理的发展方向之一,未来会迎来更大发展机遇,但也面临着一系列挑战。作为支撑国民经济发展的基础性、战略性、先导性产业,物流业发展受到我国高度重视,近年出台一系列利好政策与规划,倡导以科技为导向,软硬件相结合,促进物流行业降本增效和高质量发展。而随着新零售、智能制造等领域对物流提出更高要求,以及互联网、物联网、大数据、云计算、人工智能等前沿技术的融合应用,使我国物流业朝着更加智能化、自动化的方向加速发展。

关键词： 大数据   人工智能   专业基础   实验室   数智化  

摘要： 文章旨在探讨基于“互联 + 定制”的电子科学与技术专业基础实验室数智化建设。通过详细分析当前实验室建设中存在的问题,结合大数据与人工智能技术的优势,提出数智化实验室的具体建设原则、实施策略以及解决方案,以期对实验教学的改革与发展提供有益的参考与启示。This paper aims to explore the digital intelligent construction of electronic science and technology professional basic Laboratory based on “Interconnect + Customized”. It provides a detailed analysis of the inherent problems in contemporary laboratory construction. Combining the advantages of big data and AI, it proposes specific construction requirements for a digital intelligent laboratory. It also proposes implementation strategies and solutions, aiming to provide valuable references and development of experimental teaching.