关键词： 跨境资本流动   异常流动风险   风险预警   机器学习  

摘要： 准确识别跨境资本流动影响因素,前瞻性地防范化解资本异常流动风险具有重要政策意义。本文借助XGBoost-SHAP可解释机器学习方法对2008—2023年中国跨境资本流动关键预警因子进行识别,并进一步从机器学习视角出发拓展“在险资本流动”的宏观研究新范式,通过建立“深度在险资本流动”框架实现对跨境资本异常流动风险的监测预警。本文合成的四类跨境资本流动关键预警因子分别从不同侧面对中国跨境资本流动的阶段性、不稳定性变动特征进行了捕捉,国际收支状况与外部风险因素是近年来影响中国跨境资本流动的主导因素。此外,中国跨境资本异常流动风险非对称性特征显著,资本流动撤离风险相对激增风险波动更为剧烈,在预警因子震荡时期跨境资本流动的波动性扩张态势通常表现为资本撤离和资本涌入概率空间的双重增加。本文将机器学习方法贯穿研究始末,一定程度突破了传统计量手段在相关研究上的局限,为后续研究开展提供了较为坚实的方法论基础和数据支撑。

关键词： 铀矿层   岩性识别   机器学习   分类问题   测井评价  

摘要： 近年来,人工智能在各个领域展现出了强大的模式识别和分类能力,为岩性识别提供了新的思路。从支持向量机、神经网络、集成学习这3种方法出发,综述这些机器学习算法的基本原理、优缺点及其在铀矿层岩性识别领域的研究进展和应用情况。结果表明:机器学习通过训练模型可以有效识别出测井数据与不同岩性之间的关联,将岩性识别过程转化为机器学习的过程,可以极大地提高岩性识别自动化程度和识别准确率,具有重要的现实意义和广阔的发展前景。

关键词： 人工智能   医学影像   迁移学习   深度学习   牙齿分割  

摘要： 【目的】现有的牙齿结构分割研究中,牙齿数据具有成本高昂和来源复杂的特点,研究人员普遍选择在多源数据集上使用半监督方法构建深度学习网络,而从多源未标注数据中学习差异成为新的挑战。【方法】本研究以半监督算法Mean-Teacher为核心,提出一种多源半监督算法,并使用新的损失函数计算一致性损失,旨在更好地帮助半监督模型进行训练。【结果】在真实临床场景中收集的测试数据集上评估了这一方法的分割性能,结果表明,本文提出的方法在整体牙齿上的分割结果为平均Dice系数81.13%,平均Jaccard系数82.96%,平均召回率82.78%,平均精确度82.91%,与其他方法相比获得了更准确的分割性能。【结论】比起直接将未标注数据统一投入训练的主流方法,基于多源半监督学习的牙齿分割模型Multi-Student可以更好地帮助半监督模型提高精度。

关键词： 交通管理   智能社会技术系统   大数据   人工智能  

摘要： 交通管理业务信息系统的数智化转型是交通管理业务服务提质增效的重要途径。由此,从智能社会技术系统(iSTS)角度出发,聚焦交通管理业务信息系统的社会属性与技术属性的融合应用、优势互补,构建数智化交通管理业务信息系统体系框架,确立通过引导社会子系统的有效调整,实现与智能技术子系统的协调配合。在具体工作上,遵循“以用户为中心,追求极致‘简单’”的基本原则,提出了数智化转型的建设应用方向,即用户驱动的系统设计和人机互补的业务模式。

关键词： 人工智能   交互式数字媒体   创作技术   生成对抗网络   机器学习  

摘要： 人工智能技术的快速发展为数字媒体创作带来了革命性的变革,本研究旨在探索人工智能技术在数字媒体创作中的应用路径和实践模式,以提升创作效率并拓展艺术表现形式。通过对人工智能驱动的交互式数字媒体创作技术进行系统分析,探讨了生成对抗网络、自然语言处理及机器学习在数字媒体创作中的具体应用。研究结果表明:人工智能技术能够显著提升创作效率,增强用户交互体验,并为创作者提供新的艺术表现形式。通过分析典型案例,可知人工智能辅助创作的关键技术路径和应用模式,为推动交互式数字媒体创作的发展提供了理论依据和实践指导。

关键词： 早期乳腺癌   腋窝淋巴结   机器学习   预测模型   沙普利加性解释  

摘要： 目的通过开发具有可解释性的机器学习(ML)预测模型,以准确预测早期乳腺癌(EBC)患者的腋窝淋巴结(ALN)状态。方法回顾性收集2014年1月1日至2023年9月10日嘉兴大学医学院附属嘉兴市妇幼保健院乳腺科收治的957例EBC患者的临床病理及超声检查资料,根据前哨淋巴结活检结果将患者分为ALN转移和未转移组,并随机分为训练集717例和验证集240例。首先采用最小绝对收缩和选择算子(LASSO)回归进行变量筛选,随后利用4种不同的ML算法构建预测模型,通过性能比较筛选出最佳模型。结果957例患者中,212例出现ALN转移。LASSO回归筛选出淋巴血管侵犯、腋窝超声表现和最大直径3项特征作为预测因素。在4种模型中,逻辑回归(LR)模型表现最佳,其训练集和验证集的AUC分别为0.817(95%CI:0.775~0.860)和0.804(95%CI:0.733~0.875)。决策曲线分析显示,LR模型在广泛的阈值概率范围内均能提供最高净获益。进一步通过沙普利加性解释方法对LR模型进行可视化解释,揭示淋巴血管侵犯为预测ALN转移的最关键因素。结论基于临床病理特征与腋窝超声表现构建的ML预测模型在预测EBC患者ALN转移中表现优异,可为临床决策和手术方案优化提供关键支持。

关键词： 数学学科核心素养   过程评价   课堂表现   人工智能  

摘要： 课堂是学校教育教学工作的主阵地,但针对课堂教学尤其是针对学生课堂表现的过程评价开展得并不理想,其中一个重要原因是缺乏可信、有效和实用的学生课堂表现过程评价量表。以小学数学课堂教学为例,依据课程标准,把数学运算、直观想象、逻辑推理、数学抽象、数学建模和数据分析设定为评价指标,并借助多名专家和多家AI平台设定了每个指标的权重,再借助DeepSeek平台和专家的力量,制定了详细的评分细则。实践证明,这种量表为一线教师开展过程性评价提供了科学工具,对提升课堂教学效率、构建高质量教育体系也有着积极意义。

关键词： 人工智能   符号社会   人的符号异化   超越  

摘要： 人的符号异化是指人的本质被符号的本质所占有、操纵与控制,其生成逻辑是“人的因素”被“物的因素”所统治。在人工智能时代的符号社会,人的符号异化会扭曲人的“三观”、颠倒人的本质、使人成为原子个人和陷入无意义世界,所以需要重新回归物质,探寻事物的本来面目,不至于陷入符号的虚无之境;回归自我,对自己负有责任的认识,不能任由符号反向定义人的存在意义;回归社会,从现实的社会关系中体验人之为人的本质;回归符号,重拾人工智能时代的符号的存在意义等方面超越人的符号异化。

关键词： 人工智能   机器学习   药物警戒   个例安全性报告   上市后监管  

摘要： 药物警戒作为药品上市后监管的重要组成部分,对于保障公众用药安全至关重要。近年来,人工智能(AI)技术凭借其强大的数据处理和分析能力,在药物警戒领域展现出巨大的应用潜力。该文从药品上市后监管视角,系统介绍和分析了AI在药物警戒中的应用背景、在中国和国外上市后药物警戒中的探索应用现状,重点阐述了AI在中国的应用案例,以及伴随的问题和挑战等,以期为我国的药品上市后监管工作提供借鉴。目前,中国AI技术在药物警戒中的探索和应用刚刚起步,应该加大力度、加快速度。监管机构应积极制定并执行AI新技术在产品全生命周期的监管标准或相关指南,加强相关人员培训和人才培养与引进,积极推动监管机构、制药企业、科研院所及高校等开展紧密合作,共同推动AI技术在药物警戒领域的创新应用。

关键词： 医案   数据集   人工智能   中医药  

摘要： 目的/意义采集和处理经方医案数据,为中医智能诊疗模型提供高质量训练数据。方法/过程构建中医经方医案数据采集与处理框架,提出针对网页、纸质文献、电子病历、已有数据库的经方医案数据采集、清洗、相似度检测方法。结果/结论共获得有效经方医案数据12 499条,为下游中医智能诊疗模型训练奠定基础。该经方医案数据采集和处理方法,可为中医药领域大数据处理提供参考。