关键词： 机器学习   电力系统   泛化能力  

摘要： 为保证机器学习模型的泛化性能，统计学习理论通常假设数据独立同分布。然而，由于电力系统的开放性和实际数据的动态演化性，数据分布的偏移难以避免，导致训练良好的模型在应用时效果往往大打折扣。为此，本文重点研究当数据非独立同分布时的机器学习问题，即分布外泛化问题（Out-of-distribution generalization， OODG）。首先，结合电力机器学习特点，建立OODG的分析框架。在此基础上，通过理论分析和案例介绍相结合，探究数据分布偏移的量化方法，OODG能力的提升策略及其评估技术。深化OODG的认识和研究，有利于提升电力机器学习方法的生命力和实用价值。

关键词： 人工智能   电影工业   技术创新   隐私保护   版权归属  

摘要： 人工智能技术在电影工业中的应用日益广泛[1],从剧本创作到后期制作各环节推动了技术创新与效率提升,但也带来隐私泄露、版权争议等伦理问题。研究提出加强法律建设、提升行业自律及促进跨学科合作等策略,以平衡技术进步与伦理规范,促进产业可持续发展。

关键词： 人工智能   人类分析师   投资建议   算法厌恶   投资者判断  

摘要： 随着人工智能技术的广泛应用，证券公司和股票信息平台可以通过多种方式向投资者提供投资建议，主要包括人类分析师提供投资建议、人工智能提供投资建议、人工智能与人类分析师结合形成投资建议三种方式。本文基于心理学中算法偏误、信息来源可信性理论，并结合实验研究方法，分析和检验了提供投资建议的上述三种方式对非职业投资者投资判断的影响。研究发现，与人类分析师提供投资建议相比，在人工智能提供投资建议的情况下，非职业投资者判断的投资吸引力更低；与人工智能提供的投资建议相比，在人工智能与人类分析师结合提供投资建议的情况下，非职业投资者判断的投资吸引力更高；非职业投资者判断的投资吸引力在人类分析师提供的投资建议、人工智能与人类分析师结合提供投资建议的情况下，不存在明显差异。同时，研究还揭示了投资建议的提供方式作用于非职业投资者判断的机制。本文拓展了人工智能对资本市场相关主体的影响的研究，并对了解非职业投资者的相关行为、改进投资建议的提供方式具有重要的意义。

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。本文首先论述了生物毒素预测在食品安全领域的重要性。随后详细介绍了机器学习的基础理论与关键算法模型，并重点讨论了其在生物毒素预测中的应用，分析了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。展望未来，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： 数字鸿沟   数字不平等   网络平台   人工智能  

摘要： 信息技术与数字媒体普及过程中所引发的社会分化与不平等现象，一直是学界和政府高度关注的重要问题。作为数字鸿沟与不平等研究领域的先驱性学者，简·梵·迪克教授自20世纪90年代以来，围绕数字鸿沟的历史特征与发展趋势、理论模型与实证测量、后果影响与干预措施等问题，开展了一系列卓有成效的学术研究工作。通过评析迪克教授的新书The Digital Divide（《数字鸿沟》），着重梳理其理论体系的建构逻辑与发展脉络，深入探讨网络平台与人工智能等新技术背景下的数字鸿沟与不平等演化特征，并结合中国数字化发展的具体情境，提出了本土化研究的潜在路径，强调要在技术革新与社会变迁之间构建动态平衡。

关键词： 人工智能   时间配置   性别收入差距  

摘要： 人工智能给市场劳动和家庭劳动带来的深刻变革会影响个体时间分配的行为决策，不同性别劳动者在市场生产、家庭生产和闲暇之间的时间配置差异会对收入产生不同的影响。通过构建人工智能指标体系，结合2014、2016、2018和2020四年中国家庭追踪调查（CFPS）的面板数据探究人工智能通过影响个体时间配置能否缓解性别间的收入差距。研究发现，人工智能能够增加劳动力的收入水平并且对女性劳动力的收入提升大于男性。在时间配置方面，人工智能减轻了劳动力的家务负担，增加了闲暇时间，并且女性的工作时间显著增加。提高了女性在劳动力市场有偿劳动的相对供给，减少了在家庭部门无偿劳动的时间消耗。人工智能提升了低技能女性的劳动参与，在家庭部门具有比较优势的低技能女性劳动力流向就业市场，女性群体的收入增加。异质性分析表明，对于不同年龄段的群体，人工智能显著增加了青年女性群体的收入；对于收入不同分位数水平下的劳动力，中低收入女性劳动者由于人工智能对就业市场的改善得到了相比于男性更多的工资溢价。基于此，建议提高家用智能产品的财政补贴和税收优惠，鼓励和保障新型就业模式，提升女性数字技能与人工智能的应用能力，进一步释放技术红利。

关键词： 空气放电   气体传感器   低气压环境   小样本数据增强   机器学习  

摘要： 空气绝缘的室内电力设备发生放电故障时，利用半导体气体传感器检测空气放电分解物的成分和含量，能够判断放电故障的严重程度，因此研发智能、精准的机器嗅觉算法对监测室内电力设备的正常运行有着重要意义。文中搭建了空气放电实验平台，模拟了低气压高海拔条件下的火花和局部放电故障，通过基于半导体传感器阵列的空气放电分解物检测装置对不同放电故障的气体分解物进行特征提取，然后利用基于主成分分析的小样本扩充增强方法对数据集进行丰富和精简，最后采用随机森林算法对放电分解故障进行分类。结果表明随机森林算法平均识别准确度97.22%，并对低气压高海拔下不同放电故障的预测准确率能够达到98.24%。文中提出的基于小样本随机森林模型的空气放电分解物识别方法，适用于小样本数据集，具有识别精准等显著优势，在空气放电故障检测领域具有广阔的前景。

关键词： 人工智能   劳动投资效率   人力资本水平   管理者非理性决策   外部监督  

摘要： 人工智能是推动经济高质量发展的核心驱动力，人工智能的迅速发展对劳动力市场产生重要影响。以2007—2022年中国沪深A股上市公司为研究样本，从劳动投资效率的视角分析人工智能的经济后果。研究发现，人工智能在企业的应用可以显著提高劳动投资效率，主要表现在抑制冗余雇佣，经过一系列稳健性检验，结果保持不变。从劳动力需求方的视角分析其作用机制，结果表明，通过提升人力资本水平，抑制管理者非理性决策，以及增强外部监督这三条路径，人工智能促进企业劳动投资效率显著提高。从劳动力供给方的视角进行异质性检验，发现企业所在地区劳动力市场供应充足、劳动力错配程度低以及制度环境良好，人工智能对企业劳动投资效率的促进作用更显著。进一步研究表明，人工智能通过优化企业劳动资源配置效率，提高企业核心竞争力，使企业可持续发展能力提升。因此，应大力推动人工智能在企业的应用，引导其与优化企业劳动资源配置协同发展，促进人工智能与实体经济的深度融合，助力企业提高新质生产力。

关键词： 人工智能   异地投资   资本流动   统一大市场  

摘要： 助力全国统一大市场的建设是实现共同富裕和推进新发展格局的内在要求。本文从任务模型和实证检验两方面考察智能化应用对资本流动的影响。研究发现:随着企业人工智能应用水平的提升,企业异地设立子公司的数量显著增加。降低异地投资管理成本、增加高技能雇佣规模、优化企业劳动力技能结构、提高技术与科技人才的配置效率和促进技术知识扩散是人工智能发挥资本流动效应的重要机制。人工智能的异地投资效应在非国有企业、制造业企业和位于劳动力要素市场分割更强和数字基础设施水平更高地区的企业才显著存在。此外,人工智能应用能够突破空间束缚,推动企业前往更远的城市进行投资。同时,人工智能对资本流动的方向存在不对称效应,会导致资本从小城市流向大城市。本文从企业资本流动视角为新时代如何通过智能化转型推动要素流动畅通提供了经验证据与政策启示。

关键词： 激光诱导击穿光谱   机器学习   中值绝对偏差法   土壤重金属污染  

摘要： 鉴于重金属于土壤中长期累积会致使土壤污染加剧、质量衰退，进而衍生出诸多棘手的环境问题，对土壤重金属含量进行持续且精准监测至关重要。通过整合激光诱导击穿光谱(LIBS)技术与智能算法，致力于实现土壤中重金属污染等级的快速精准辨识。首先，运用中值绝对偏差(MAD)法剔除异常光谱，并对光谱数据执行归一化操作，以有效抑制激光能量波动以及环境噪声所引入的干扰，保障数据的可靠性与稳定性。继而引入支持向量机(SVM)、K近邻算法(KNN)、随机森林(RF)与决策树(DT)的智能算法，针对预处理后的光谱数据实施分类识别，为化解因参数择取失当引发的过拟合或欠拟合风险，采用随机搜索策略对各模型予以优化。经综合比对，SVM模型呈现出最优的分类精度，Cr和Cu污染土壤等级识别的准确率分别为99.417%、99.250%。实验表明，SVM和LIBS相结合可以快速判断土壤中重金属污染等级，同时也为环境检测与治理提供了一个新的技术方向。