关键词： 手写笔吸附动作   霍尔传感器   声音和振动检测   机器学习  

摘要： 使用霍尔传感器检测手写笔吸附动作时存在硬件成本较高、磁性器件靠近时高达100%误报率的问题，为避免发生误报需进行复杂的系统布局设计。该文提出一种基于声音和振动信号的双通道冗余检测方法，利用平板设备内置的传声器和加速度计传感器检测手写笔吸附动作，无需霍尔传感器及其外围电路。笔吸附产生的声音和振动信号经过时域和频域的信号处理后，提取6个关键特征，用于轻量级机器学习模型的分类训练。该检测系统在商用平板电脑上的评估结果显示，手写笔吸附动作检测系统可以分别实现加速度计通道97.2%和传声器通道99.4%的平均检测准确率，在敲击干扰时误报率不超过52%，响应时间约为100 ms。与传统的霍尔传感器检测方法相比，该文的检测方法成本低、误报率低，同时具备较高的准确率和较快的系统响应。

关键词： 剩余疲劳寿命   疲劳寿命预测   遗传算法   高斯过程回归   机器学习  

摘要： 剩余疲劳寿命预测对于保障工程结构的安全可靠至关重要。特别是，当结构物遭受变幅值载荷时，由于疲劳损伤累积的复杂性性以及数据中固有的噪声和不确定性，使得剩余疲劳寿命预测具有挑战性。为了解决这个问题，建立了混合机器学习模型GA-BP-GPR方法，该方法使用GA-BP方法(遗传算法-反向传播神经网络)映射输入和剩余寿命之间的复杂关系结合GPR(高斯过程回归)获取相应的不确定性，用于估计两级加载下金属材料的剩余疲劳寿命。在包含12种金属材料、总共328个样本的数据集上对GA-BP-GPR方法进行全面评估。GA-BP-GPR方法对测试集所有预测结果都落在3倍分散带内；与5种机器学习方法和2种传统疲劳预测方法对比结果表明所提方法对两步载荷下的剩余寿命预测具有较高的准确性和可靠性。此外，所提方法对没有参与训练的Al-2024-T42的预测结果都在2倍分散带内，表明所提方法对新材料剩余疲劳寿命预测的泛化能力。

关键词： 无机晶体材料   弹性模量   机器学习  

摘要： 无机晶体材料因其优异的物理和化学特性，在多个领域展现出广泛的应用潜力。弹性性质（如体积模量和剪切模量）对预测材料的电导率、热导率及力学性能具有重要作用，然而，传统实验测量方法存在成本高、周期长等问题。随着计算方法的进步，理论模拟逐渐成为独立于实验的研究方法。近年来，基于图神经网络的机器学习方法在无机晶体材料的弹性性质预测中取得了显著成果，尤其是晶体图卷积神经网络（CGCNN）在材料数据的预测和扩展方面表现出色。本研究利用从Matbench v0.1数据集中收集的10,987个材料的体积模量和剪切模量数据，训练了两个CGCNN模型，基于预训练的模型成功实现了对80,664个无机晶体结构弹性模量的预测。为保证数据质量，筛选了材料电子带隙在0.1至3.0 eV之间，并去除了含有放射性元素的化合物。预测数据来源于两个主要数据集：一是从Materials Project数据库中筛选出的54,359个晶体结构，构成MPED弹性数据集；二是Merchant等通过深度学习和图神经网络方法发现的26,305种晶体结构，构成NED弹性数据集。最终，本研究预测了80,664种无机晶体的体积模量和剪切模量，丰富了现有的材料弹性数据资源，并为材料设计提供了更多的数据支持。本文数据集可在科学数据银行中访问获取:https://***/s/N3QF7v。

关键词： 真空紫外过硫酸盐   有机物激发   污染物降解   机器学习   高阶激发态  

摘要： 真空紫外过硫酸盐（VUV/PS）体系中更快速的污染物降解一直被认为是UV185高效激发H2O和PS的结果，而忽略了UV185对污染物的直接激发，从而低估了UV185在污染物降解方面的贡献。结合机器学习与DFT计算，从数据分析角度对VUV/PS体系中UV185的作用机理进行探究。首先，通过DFT计算获得了30种有机污染物的基态和激发态分子描述符作为输入参数，并利用随机森林模型将其分别与污染物在不同体系中的降解动力学常数和矿化率作为输出参数进行建模，通过观察不同输入参数下模型拟合度的变化对分子描述符进行筛选，保留与输出参数相关性高的描述符，最后通过Shapley加性解释方法（SHAP）分析各模型中贡献度最高的几种输入参数，进而对反应机理进行推测。结果表明，相比于UV体系，VUV体系中S1激发态描述符与亲核反应相关描述符的贡献度出现了明显提高，表明UV185是通过将污染物激发至反应活性更高的S1态，而后以促进光解和亲核反应的机制加快污染物的降解与矿化过程。

关键词： 人工智能   人机协同审判   审判信任   法律议论  

摘要： 随着人工智能在我国智慧司法建设中的普及推广,司法审判逐步呈现出"法官为主、机器为辅"的人机协同审判格局.目前,司法人工智能暂时消隐于法官背后,审判信任被置换为对法官人格、法院制度或人工智能算法的信任.人格信任奠基于法官作为"完人"的应然预设,与实然的法官"常人"之间存在现实差距.法院组织以司法责任制作为约束人机互动的主要制度安排,但在预测审判逻辑的影响下,存在盲目采纳机器建议的"人机合谋"风险.算法信任机制尽管能发挥局部的信任补救功能,但囿于"主体—工具"的二分思维,难以对法官与算法的协同过程进行约束.应当以信任者与信任对象的沟通互动为出发点,对人格信任、制度信任和算法信任进行反思性整合,将司法人工智能从内部办案工具拓展为外部沟通工具,推动人机协同法律议论的充分展开,为人机协同审判奠定更为坚实的信任基础.

关键词： 机器学习   生物制造   生物过程工程   生物分离   算法  

摘要： 化学品生物制造过程具有绿色低碳、环境友好和可持续性优势，在化学工业中的作用日益重要。然而，化学品生物制造过程受代谢调控和外源环境等诸多因素影响，其生物合成的监测、控制、优化及产物分离，都具有实时动态复杂性。机器学习在无需明确机理条件下即可捕捉动态过程数据中的复杂非线性关系，有助于掌握化学品生物制造过程的复杂规律，进行过程优化和预测。本文对机器学习范式、主流算法及其在生物合成过程优化、监测与控制、生物分离过程开发和生物燃料化学品生产中的研究进展进行了综述分析，探讨了未来机器学习用于化学品生物制造过程中的问题。

关键词： 人工智能   雷达通信一体化   机器学习   干扰管控   资源分配  

摘要： 雷达通信一体化通过资源共享机制，在提高系统频谱利用率的同时实现了轻量化设计，广泛应用于空中交通管制、医疗监测、自动驾驶等领域。传统的雷达通信一体化算法通常依赖于精确的数学建模和信道估计，无法适应难以刻画的动态复杂环境。人工智能凭借其强大的学习能力直接从大量数据中自动学习特征，无需对数据进行显式建模，促进了雷达通信的深度融合。该文围绕人工智能驱动的雷达通信一体化研究展开系统的综述。具体而言，首先阐述了雷达通信一体化系统模型与核心问题。在此基础上，从雷达通信共存和双功能雷达通信一体化两个方面梳理了人工智能驱动的雷达通信一体化最新研究进展。最后，总结全文并对该领域潜在的技术挑战和未来的研究方向进行了展望。

关键词： 口腔癌   失志综合征   机器学习   预测模型  

摘要： 目的 构建口腔癌患者发生失志综合征的风险预测模型，为帮助口腔癌患者更好地应对失志综合征，并为其制定更加个性化的支持方案提供参考依据。方法 选取2024年3月—7月在四川大学华西口腔医院及中山大学孙逸仙纪念医院共486例口腔癌住院患者作为研究对象。综合分析临床资料和既往研究证据，以确定影响口腔癌患者失志综合征的关键变量。将486例患者按照8∶2的比例分为训练集和验证集，将365例患者的个体数据纳入训练集，基于LASSO回归构建口腔癌失志综合征中重度风险预测模型并构建列线图。采用Bootstrap重采样进行内部验证，通过121例验证组患者的独立数据进行外部验证。结果 口腔癌患者失志综合征发生率为405例（83.3%），其中轻度279例（57.4%），中度176例（36.2），重度31例（6.4%）。核心模型包括患者文化水平、疾病了解程度和MDASI-HN评分。模型内部验证结果显示C统计量为0.783 6 (95%CI为0.78～0.87)，校准斜率为0.843 4，截距为-0.040 6。外部验证集的C统计量为0.80 (95%CI为0.71～0.87)，校准斜率为0.80，截距为-0.08。结论 口腔癌患者失志综合征风险预测模型在不同护理环境的验证队列中表现稳健，模型校正良好，具有良好的区分度，可作为入院评估预测项目的参考。

关键词： 人工智能   人机交互   默念口令识别   肌电信号处理   神经网络  

摘要： 智能设备的普及促使可穿戴人机交互技术需求日益增加。为提高用户接受度，人机交互技术对交互易用性与隐蔽性要求较高。本文提出基于耳周肌电信号的默念口令识别方法。该方法易于与集成生理电采集的耳机设备结合，实现无声操控智能设备，减少社交尴尬。具体地，本文首先确定并构建口令经验原则，筛选最优口令集。其次，根据单通道信噪比和分类准确率选择最优耳周传感器位置。再次，提出基于CNN-Transformer结构的识别模型构建耳周肌电信号与默念口令的时空映射。最后，大量实验评估方法可行性和稳定性。结果表明，本文方法平均准确率91.18%，优于相关任务的先进模型，且在命令变形和头部运动下表现稳定。本文方法奠定了默念口令识别商业产品的技术基础。

关键词： 蒸散发   机器学习   遥感   物理机制   气候变化  

摘要： 围绕实际蒸散发（ET），结合文献计量分析，从基于机器学习的多尺度回归预测、多源数据融合和物理机制耦合三方面，对机器学习在遥感ET估算中的应用进行了归纳和总结，概述了目前常用的遥感反演参数，系统阐述了各类主流机器学习算法的原理、优缺点和适用场景等。未来研究应聚焦数据质量、算法优化和模型机理，提升输入数据质量，减少遥感反演产品的不确定性，推动可解释性机器学习算法发展，并加强物理机制与机器学习模型的耦合，进一步考虑气候变化背景下植被结构和生理调整对陆地ET估算带来的不确定性。