关键词： 智能制造   专精特新   协同效应   供应链创新   挤出效应   政府补贴   客户集中度   策略性创新  

摘要： 通过构建双认证政策赋能企业创新的分析框架，使用固定效应泊松模型，探究智能制造与专精特新政策协同对企业创新的影响及作用机制。结果发现：相较于单认证企业，双认证政策对企业创新的协同激励效应更强，且在国有企业和高科技行业中表现得更为显著；相较于非认证企业，单认证政策对企业创新的直接激励效应更强，呈现出明显的梯度效应；双认证政策通过增加政府补助和提高客户集中度，促进企业创新；智能制造政策的创新激励效应高于专精特新政策。

关键词： 新质生产力   人工智能   科技创新   智能生产力  

摘要： 随着人类从信息时代进入数字时代,以科技创新为关键核心的新质生产力正在与人工智能形成“互嵌”。基于高深知识生产、技术元素整合以及产业技术突破,人工智能在新质生产力的劳动者层面催生智能生产力,在劳动资料层面提供高效数字化的劳动工具,在劳动对象层面促发以产业生态化为特征的新型生产体系。以人工智能加快推动新质生产力发展,需要从四个方面着力:一是形成政产学研一体的人工智能人才生态;二是建立协同开放的人工智能科技创新生态;三是培育协调互嵌的人工智能产业生态;四是构建规范高效的人工智能治理制度生态。

关键词： 农用车辆   导航   汉语言声学特征   语音控制   人工智能  

摘要： 随着先进技术的应用，农用车辆在农业生产中发挥着重要作用。为此，将汉语言声学特征的语音控制应用在农用车辆导航系统中，通过集成讯飞语音云实现安静和嘈杂两种环境下对导航系统的实时控制。实验结果表明：语音识别正确率很高，平均达到了93.17%,具有较高的实用价值和推广价值。

关键词： 地理教学   人工智能   ChatGPT   课堂模拟  

摘要： 随着数字化转型的深化,人工智能与教育的融合创新成为必然趋势.本文依托ChatGPT技术生成地理教学设计与学生数字画像,创设两类虚拟学生参与地理模拟课堂.其中,一类虚拟学生具有现实学生的共同特征,另一类反映现实学生间的个性差异.地理模拟课堂的设计与实施旨在聚焦核心素养,培育学生区域认知;关注学生需求,实施精准教学;助力专业成长,推动教育创新.

关键词： 机器学习   气动噪声   声场重构   压缩感知  

摘要： 气动噪声源自气体流动过程中的压力脉动，可能引发声疲劳和声振耦合，是航空器安全性和舒适性的重要影响因素，其研究方法主要包括理论方法、风洞试验测量和数值模拟。然而，这些方法存在测量结果单一、难以与流动结构建立有效关联、高精度噪声数据获取困难等问题。机器学习方法具有高效、快速、低成本等优势，在航空气动噪声领域展现出巨大潜力。本文概述了机器学习在航空气动噪声领域的最新研究进展，重点综述了其在稀疏测点下声场重构和气动噪声预测方面的应用。最后，分析了目前机器学习方法在气动噪声研究中泛化性弱、预测精度不足、缺乏物理解释性等共性问题，并展望了其未来发展趋势，为基于机器学习方法进行气动噪声研究提供参考。

关键词： 职业教育   数字化转型   TOE理论框架   数字素养   人工智能  

摘要： 职业教育数字化转型是一种借助新兴数字技术且在特定环境下革新职业教育范式、彰显职业教育类型特色、增强职业教育适应性及深化新时代职业教育评价改革的“蝶变”过程。在TOE理论框架下，分别从技术、组织、环境三个不同维度确定了数字化意识、数字技术技能、数字技术应用、数字技术伦理、技术资源柔性、组织协调柔性和数字化学习环境7个影响职业教育数字化转型的前因条件，并基于组态视角，运用模糊集定性比较分析法（fsQCA）实证探究了职业教育数字化转型的驱动因素组态及组合路径。结果发现：职业教育数字化转型不存在单项必要条件，职业教育数字化转型包括技术—组织驱动型、技术—环境驱动型、技术—组织—环境驱动型3条组合路径，具有复杂的因果机制，是技术、组织和环境多重因素间协同交互与联动匹配的结果。针对上述组态路径，提出了要强化数字化转型意识，健全柔性协调机制；坚持从国家发展需求出发，加强数字技术技能提升；深化数字技术应用，营造良好数字化学习环境等建议措施。

关键词： 伪随机数生成   生成对抗网络   长短时记忆   可分离自注意力机制   人工智能  

摘要： 针对生成对抗网络(GAN)生成伪随机数质量不高和生成速度较慢的问题，提出了一种基于长短时记忆(LSTM)和可分离自注意力机制的WGAN-GP(LSA-WGAN-GP)模型。LSA-WGAN-GP模型通过将数据从一维扩展为二维，改进数据表示方式，以提取更层次的特征。创新性地提出了LSA(LSTM and separable Self-Attention)模块，融合LSTM和可分离自注意力机制，显著提升了伪随机数的不可回溯性和不可预测性。此外，通过精简网络结构有效减少了模型参数量，并提高了生成速度。实验结果表明，LSA-WGAN-GP生成的伪随机数可以100%通过美国国家标准与技术研究院(NIST)测试；与WGANGP(Wasserstein GAN with Gradient Penalty)和GAN相比，在频率和全局通用测试项的P值和通过率上均有提升；同时，在伪随机数生成速度上，LSA-WGAN-GP比WGAN-GP、GAN分别提升了164%和976%。LSA-WGAN-GP在保证生成伪随机数质量的同时，减少了模型的参数量，提高了生成伪随机数的速度。

关键词： 开放同行评议   开放科学   评审质量   机器学习  

摘要： 本研究以ICLR会议的开放同行评议数据为研究对象，旨在探讨专家评审行为与评审质量之间的关系。首先，本研究构建BERT模型实现对评审意见的自动分类，从而得到评审意见的建设性得分。其次，通过描述性统计、斯皮尔曼相关性分析和U检验等方法分析专家自信度、不同的评审模式对评审质量的影响。研究结果表明：在开放同行评议背景下，大多数评审意见都具有高度建设性的特征，但这一特征在不同类型的论文中存在差异。与单盲评审模式相比，双盲评审模式下的评审意见更具建设性；相对于高自信度评审专家，低自信度专家提供的评审意见质量较低。然而，在许多低分论文中，评审专家未能提供具有建设性的评审意见。本研究从多维度视角分析专家评审行为与评审质量之间的关系，为改进同行评议模式和提升评审质量提供了参考建议。

关键词： 人工智能   深度学习   氧化锌压敏电阻   时间Kolmogorov-Arnold变压器  

摘要： 【目的】 氧化锌压敏电阻在工作运行中遭遇雷电会导致器件的老化劣化和冲击破坏等情况发生，引发泄漏电流增加、温度升高等现象。针对上述问题，通过多脉冲测试分析了雷击对氧化锌压敏电阻的危害，并使用深度学习模型预测其状态变化，以准确预测其在雷击影响下的工作状态。【方法】 首先，使用多脉冲测试平台对氧化锌压敏电阻进行了脉冲测试，并分析了多脉冲下的漏电流；其次，基于雷电冲击试验，建立了氧化锌压敏电阻漏电流的数据集，并利用时间Kolmogorov-Arnold变压器模型预测了脉冲下漏电流的变化；最后，将实验结果与其他基准模型的结果进行比较，并使用多个测试集验证模型的准确性和稳定性。【结果】 仿真实验表明：时间Kolmogorov-Arnold变压器模型能够有效预测氧化锌压敏电阻的状态变化，且使用麻雀算法优化时间Kolmogorov-Arnold变压器得到的评估指标均方误差为0.324，平均绝对误差为0.352，R2决定系数为0.913。【结论】 时间Kolmogorov-Arnold变压器模型优于长短期记忆神经网络、双向长短期记忆神经网络、时序卷积神经网络和门控神经网络模型。并且麻雀算法优化时间Kolmogorov-Arnold变压器（SSA-TKAT）在氧化锌压敏电阻的状态预测中表现出更强的预测性，可以帮助利益相关者做出更明智的决策。

关键词： 气动设计   智能设计   数据驱动   知识驱动   人工智能  

摘要： 随着高性能计算和人工智能技术的迅猛发展，数据驱动的人工智能模型在民机气动设计领域得到了广泛研究，尤其在气动设计空间压缩、关键特征提取、流场预测和智能优化设计等方面展现出强大的技术潜力。然而，纯数据驱动模型在工程设计中的应用仍然面临诸多挑战，包括领域数据稀缺及高获取成本，以及模型在可靠性、通用性、可解释性和易用性方面的不足等。将物理知识与气动设计经验有机融合到模型开发中，成为解决上述挑战的关键路径，为推动该领域的技术进步提供了重要方向。本文从民机工程设计角度出发，结合智能气动设计的相关实践，回顾了数据与知识联合驱动的人工智能模型在知识嵌入、知识修正及知识挖掘三个方面的最新理论和进展，探讨了数据与知识联合驱动方法在民机气动设计领域的研究现状及应用潜力，并展望了智能气动设计新范式的未来。