关键词： 智慧农业   传感器技术   物联网   大数据   人工智能  

摘要： 【目的】本文探讨了智慧农业的发展现状及其关键技术应用，旨在为推动智慧农业的进一步发展提供理论依据与实践参考。【方法】通过分析智慧农业的概念与特征，创新性采用多维度案例分析与实证研究相结合的方法，阐述了其在全球范围内的应用现状，包括传感器技术、物联网技术、大数据与云计算技术、人工智能与机器学习技术等关键技术的应用，并探讨了这些技术在精准农业、智能灌溉、农业机器人等方面的具体作用。【结果】分析了智慧农业面临的挑战，例如技术成本高、数据安全与隐私保护等问题，并展望了未来智慧农业的发展前景，技术成本倒逼低成本解决方案创新，数据安全推动隐私计算技术应用。【结论】随着信息技术的飞速发展，智慧农业已成为农业现代化的重要方向。

关键词： 人工智能   中美非对称竞争   生态位构建理论   熵权法   蒙特卡罗模拟   DeepSeek  

摘要： [研究目的]在人工智能技术代际跃迁背景下,以DeepSeek的生态位突破为样本,揭示中美AI竞争“生态霸权”与“非对称竞争”特征,同时构建融合多理论的动态分析框架,为中国AI生态位的非对称竞争提供参考。[研究方法]基于生态位构建理论,用熵权法量化评估中美静动态潜力差距并得到完整动静态熵权法量化评估数据得分表,同时构建动态反馈系统并进行50万次蒙特卡罗模拟预测未来20年发展指数。[研究结果/结论]熵权法量化评估显示目前阶段中国在静态方面得分略低于美国,分别约为0.4327与0.5678;中国动态发展潜力得分略高于美国,分别约为0.5307与0.4692。蒙特卡罗模拟预测中国AI指数在2043年前后反超的概率达66.4%,但方差仍保持较高波动水平,其中2043年的置信区间约为[52.7%,69.1%],2044年为[71.3%,80.5%],显示出显著的趋势稳定性。

关键词： 新质生产力   全面创新改革试验   人工智能   空间双重差分   双重机器学习  

摘要： 激发人工智能技术作为创新事业发展的引擎作用，驱动新质生产力的形成与发展，有助于中国实现高质量发展、建设社会主义现代化强国。基于2009-2022年中国30个省级行政区的面板数据，借助涵盖劳动者、劳动对象、生产资料三要素的新质生产力评价体系和包含制度环境、基础设施、技术创新、生产应用四维度的人工智能评价体系，构建空间双重差分模型和双重机器学习模型，通过准自然实验设计研究全面创新改革试验和人工智能对新质生产力的影响。研究发现：(1)全面创新改革试验和人工智能均能显著促进新质生产力，且二者对新质生产力的联合影响效应为正；（2）全面创新改革试验和人工智能均对新质生产力表现出显著的正向空间溢出效应；（3）全面创新改革试验能够通过提升人工智能水平促进整体新质生产力水平，并通过人工智能的中介作用显著促进新质生产力的劳动者、劳动对象和生产资料三方面。

关键词： 人工智能   算法   基层治理   自由裁量权  

摘要： 人工智能算法在塑造基层治理自由裁量权方面发挥着重要影响。自动化算法、预测型算法和生成式算法对基层治理裁量权的影响各异。自动化算法可能削弱自由裁量权,而预测型算法及生成式算法则可能增强基层治理的决策能力,尽管后者也出现了新挑战。算法对基层治理自由裁量权的影响具有复杂性,它受到个体认知、组织体制和组织文化等多种因素的调节。个体认知层面,基层政府工作人员可能会因算法偏差或认知偏差而展现出不同程度的依赖或反制行为;组织体制层面,算法决策权与执行权的分离对基层治理自主性构成影响,但内部反馈和监督机制有助于维持自由裁量权;组织文化层面,控制导向文化可能限制自由裁量权,而自主导向文化则可能会增强基层治理能力。

关键词： 机器学习   联邦学习   后门攻击   干净标签攻击   可学习触发器  

摘要： 传统的干净标签后门攻击通常无法在触发器和目标类之间建立有效的强连接，导致攻击成功率较低，大量实验经验表明这种失效现象在联邦学习中更加严重。攻击失败的主要原因在于触发器的随机选择使其缺少和目标类的直接联系。为此面向联邦学习设计一种可学习触发器后门攻击，充分利用中心服务器下发的任务信息和共享模型训练与目标类强相关的触发器，将该训练过程形式化为双目标优化问题并求解。在约束条件下找到最佳扰动尽可能模糊图像的原始特征，从而最大化模型对触发器的学习能力；然后对这些模糊图像添加规定范围内允许的触发器作为输入进行训练，最小化其图像分类损失并利用小批量投影梯度下降的优化方法快速生成最优触发器。用该触发器激活的后门攻击在联邦学习中仍能保证出色的攻击性能。三个数据集上的实验结果表明提出的方法在联邦学习中攻击成功率远高于现有的各类干净标签后门攻击，尤其在CIFAR-10上其攻击成功率相较基线方法有82%以上的提升。所提出的攻击方法对联邦学习的安全性提出了新的挑战。

关键词： 集合学习   比例标签学习   机器学习   分类  

摘要： 比例标签学习(LLP)是一个弱标签学习问题,其中实例级标签信息以袋子的形式抽象,即只有每个袋子的标签比例可用。因此,LLP可以被归类为“学习袋社区”,即由实例组成的“学习袋”是相互关联的。与典型的分类法类似,我们的目标不仅是学习一个分类器来极大地恢复训练数据中的实例级标签,而且还要将这种标签预测泛化到未见过的数据中。然而,由于统计估计的模糊性或近似性以及标签噪声的存在,这种学习框架更现实的情况是容易设想一种区间比例信息,而不是LLP中的实值比例。因此,对于这些通用场景,标准的LLP方法无法提供令人满意的标签预测器。在本文中,我们提出了一种名为区间标签比例(Bounded Label Proportions,BLP)的新学习框架来解决这个令人困扰的问题。此外,我们还提出了一种基于随机森林(RF)的BLP鲁棒算法:BLP-Forest算法,它能够较好地处理多类高维问题。为了便于比较,我们将实验分为两部分。首先,我们将BLP-Forest退化为标准LLP问题,以验证这两个相似学习问题之间的演变。结果表明,即使在配备实值比例信息的情况下,BLP-Forest也具有天然优势,这主要得益于RF算法的应用。在第二部分中,我们选择了具有多类和更高维度的大型数据集。同时,我们还特意为每个数据包中的比例信息添加了适当的噪声。所有实验都表明,BLP-Forest在大多数情况下都能获得最佳精度。最后,我们得出结论,在处理多类和高维度问题时,我们的方法性能最佳。

关键词： 智慧纪检监察   技术治理   人工智能   智慧法治   纪检监察规范化  

摘要： 智慧纪检监察既是应对数字时代权力监督的需要,又是实现国家反腐败目标的有效途径。相较于数字监察,智慧纪检监察这一概念更加强调智能化的技术运用与技术所展现的人文关怀。目前,智慧纪检监察呈现出工作流程型、预警分析型和辅助办案型的实践样态,其本质在于构建一体化、精准化、要素化和全息化的纪检监察体系。然而,智慧纪检监察也在制度维度呈现为技术与制度的关系失衡、权力维度呈现为监察权力扩张效应、程序维度呈现为对监察程序的解构和技术维度呈现为算法技术的封闭性难题。在未来,智慧纪检监察应明确技术赋能推动纪检监察体制机制革新和“技术驱动+法治引领”的逻辑理路,并以智慧与法治的双重发展面向进行体系构建:在制度层面健全智慧纪检监察规范体系,在权力层面重塑智慧纪检监察权力与权利之间关系,在程序方面控制技术运用程序,在算法层面推动算法技术的回应性与责任性。

关键词： 环境化学物   人工智能   预测与评估  

摘要： 介绍了现代人工智能(Artificial Intelligence， AI)技术评估和预测环境中化学物质毒性的方法。人工智能自20世纪50年代有了显著发展，到21世纪因深度学习有突破性进展，使AI技术应用到许多领域。当今世界已进入数字经济时代，因大数据与计算能力的提升，大大方便了人们对化学物质的毒性评价与预测，今后随着人工智能技术的发展，计算方法的精准，会使评价结果更准确。

关键词： 钻进机械   随钻测量   钻进速度   潜孔钻机   机器学习  

摘要： 潜孔钻机的钻进速度作为衡量作业效率的一项重要指标，对于科学制定工作计划、准确评估开采成本有重要意义。本文针对露天潜孔钻机的钻进速度预测问题，通过在露天矿开采现场开展随钻测量试验，采用改进XGBoost模型建立露天潜孔钻机钻进速度预测模型。研究结果表明，该模型在测试集上的性能指标RMSE为0.001 27、R2为0.909，均优于轻型梯度提升机、支持向量机和神经网络，其RMSE分别降低了24.8%、23.9%和30.2%，总体R2则相应地提升了12.8%、16.4%和22.3%。在预测闪长玢岩的钻进速度时，改进XGBoost模型展现出更显著的预测性能提升，并在真实钻进速度增大时，其预测精度的降低幅度相对较小。在此模型中，回转力矩和冲击风量被识别为影响潜孔钻机钻进速度最关键的两个因素，而在本研究的试验条件下，回转速度和冲击功率的影响则相对较弱。进一步地基于所提模型对潜孔钻机钻进参数进行组合寻优，实践证明，所提的钻进参数组合有效降低了14.6%的油耗。

关键词： 绿色低碳   智能制造   钢铁冶金   铁前工序   能耗指标建模   机理建模   数据驱动建模   优化决策  

摘要： 在“双碳”战略背景下，钢铁冶金行业作为高能耗、高排放的重要工业部门，亟需实现节能降碳与绿色转型。本文综述钢铁冶金过程能耗指标建模与优化决策的研究进展与展望。首先，分析钢铁冶金过程的主要能耗特征，系统梳理了能耗指标的构成与评价方法。在能耗指标建模方面，综述了机理建模与数据驱动建模两类方法的研究进展，指出其各自优劣及融合趋势。在操作参数优化决策方面，分别探讨了单目标与多目标优化方法在能耗、产量、质量等冶金关键指标下的应用现状与典型案例，重点分析了多目标智能优化算法在复杂工况中的协同优化能力。最后，从多工况动态变化、多目标协同优化、可解释人工智能等方面提出了未来的研究方向。