关键词： 原发性肝癌   少数类过采样技术算法   机器学习   预测模型  

摘要： 目的基于合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)算法和机器学习模型构建原发性肝癌术后的预后预测模型。方法选取美国国立癌症研究所的监测、流行病学及最终结果(Surveillance,Epidemiology,and End Results,SEER)数据库中4297例患者进行回顾性队列研究,通过独热编码和平均值插补法进行数据预处理,利用SMOTE算法解决数据类别不平衡问题,将临床变量纳入机器学习模型,基于决策树(decision tree,DT)、随机森林(random forest,RF)、梯度提升决策树(gradient boosting decision tree,GBDT)、极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)方法构建预后预测模型(SMOTE+DT/RF/GBDT/XGBoost),通过比较多种模型的性能,筛选出最佳的预测模型。结果组合模型SMOTE+RF展示出最优的预测性能,受试者工作特征曲线(receiver operating characteristic curve,ROC)下的面积(area under the curve,AUC)、准确率和精确率均高于其他模型,分别为0.895、0.811、0.806。结论基于SMOTE+RF算法的原发性肝癌的预后预测模型可有效预测原发性肝癌患者的生存结局。

关键词： 人工智能   实时数据库   救援机器人   多模态数据   数据特性   非结构化   推荐   互动平台  

摘要： 文化旅游领域中海量、动态且高度非结构化的数据特性决定了人工智能在文旅领域具有广泛的应用前景。目前,人工智能作为智慧文旅的核心技术,已经被用于文旅信息服务和支持、景区安全管理、客源地预测等多个方面。本文从行业、科研、教育等三个方面分析人工智能在未来文旅领域中的可能应用。行业领域,可侧重VR文旅场景推荐、“具身”感知的推荐、全息影像虚拟玩伴、5D实时实景导览、景区实时智能救援机器人、基于多模态数据的文旅互动平台等可能的应用。科研领域,未来可侧重于具身文旅推荐系统、文旅多模态数据挖掘、文旅实时预测等模块的研究。教育领域,可从“教材”、人才、平台三个方面构建文旅教育实时数据库、加强文旅教育与人工智能教育的融合、实现实习实践项目的VR呈现。

关键词： 风险管控   金融领域   决策流程   监管风险   金融稳定   人工智能   金融行业   智能决策  

摘要： 人工智能技术在金融领域中的广泛应用主要体现在智能交互、智能决策以及智能风控等方面,但随着人工智能技术的应用,也逐渐引发了技术风险、信息泄露风险、决策失误风险以及监管风险等方面的问题,给金融稳定与用户权益带来了潜在威胁。基于此,本文从数据监管、算法解释、决策流程以及人才培养等方面提出合理建议,对前述风险加以管控,以此确保人工智能与金融领域有机结合,进而推动金融行业有利发展。

关键词： 人工智能   企业新质生产力   创新驱动   人员激励   劳动力配置  

摘要： 人工智能逐渐成为企业实现转型升级的关键工具,是新质生产力发展的重要驱动力。利用2011-2022年中国A股上市公司数据,分析人工智能对于企业新质生产力发展的影响效应。研究发现:人工智能显著促进了企业新质生产力的发展,在经过一系列稳健性检验后依然可信。机制分析表明,人工智能通过创新驱动效应、人员激励效应、劳动力配置效应推动企业新质生产力的发展。进一步分析发现,人工智能更能促进成立较早、规模较大以及高科技企业的新质生产力发展。异质性分析表明,高学历员工占比较大、董监高无海外背景、劳动雇佣不足的企业中,人工智能对于新质生产力的影响更大。研究揭示了人工智能在产业升级和国家经济转型中的潜力与作用,为推进新质生产力的发展提供了有益启示。

关键词： 信息化委员会   工业和信息化部   人工智能   综合标准化体系   网络安全   建设指南   标准化工作系统   决策部署  

摘要： 四部门印发《国家人工智能产业综合标准化体系建设指南(2024版)》为深入贯彻落实党中央、国务院决策部署,加强人工智能标准化工作系统谋划,工业和信息化部(简称工信部)、中央网络安全和信息化委员会办公室、国家发展和改革委员会、国家标准化管理委员会于近日联合印发《国家人工智能产业综合标准化体系建设指南(2024版)》(以下简称《指南》)。

关键词： 中国人民大学   人工智能   无人驾驶车辆   科技创新人才   智能家居   新兴专业   AI   生产力  

摘要： 新质生产力是我们所能看到的社会现象,但真正在背后支持它的是科技创新人才,他们在自己的专业上提供了技术支持和帮助,为各个行业的发展做贡献。现在正就读于这批新兴专业的学长学姐们,他们当时是如何思考的?为什么会选择这个专业?又有哪些课程需要学习?中国人民大学人工智能专业陈庆笠:选择人工智能专业,是被它那无限的潜力深深吸引,AI正在以前所未有的速度改变着我们的世界——从无人驾驶车辆安全地穿梭在街头巷尾,到智能家居让生活变得更加舒适便捷,再到医疗健康领域里那些令人惊叹的创新,都在告诉我们,世界正在走向“AI时代”。我渴望成为这场科技革命中的一员,用AI的力量解决实际问题,推动社会向前发展。

关键词： 人工智能   广告内容   生产   管理   风险  

摘要： 随着人工智能技术的飞速发展,广告内容生产与管理正经历着前所未有的变革。本文探讨了人工智能时代广告内容生产方面的定制化、场景化和程序化生产的新模式以及内容管理的实时化、云端化和个性化分发趋势。然而,技术进步也带来了内容安全、价值导向偏差等方面的新风险,应进一步完善法规、加强自我管理以及坚守创作主体地位予以防范,确保广告内容的合规性、道德水准和价值观导向。

关键词： 数字孪生技术   机械行业   发展趋势   智能制造  

摘要： 数字孪生技术作为新一代信息技术中的重要组成部分,已经在多个领域展现了其巨大潜力和广泛应用。特别是在机械行业中,数字孪生技术通过虚拟和现实的结合,实现了对物理设备和流程的实时监测、模拟和优化,从而提升了生产效率、降低了维护成本,并促进了智能制造的发展。本论文对机械行业数字孪生技术进行概述,探讨了该技术在机械行业中的应用现状和未来发展趋势。通过对机械行业数字孪生技术发展概述的系统分析,本研究为行业相关方提供了有价值的见解和决策依据。As an important part of the new generation of information technology, digital twin technology has shown its great potential and wide application in many fields. Especially in the machinery industry, digital twin technology realizes real-time monitoring, simulation and optimization of physical equipment and processing flow, through the combination of virtual and reality, thereby improving production efficiency, reducing maintenance costs, and promoting the development of intelligent manufacturing. This paper summarizes the digital twin technology in the mechanical industry, and discusses the application status and future development trend of the technology in the mechanical industry. Through the systematic analysis of the development of digital twin technology in the machinery industry, this study provides valuable insights and a basis for decision-making for interested parties in the machinery industry.

关键词： 机械加工厂房   油雾颗粒   数值模拟   呼吸区   影响因素   机器学习   浓度预测  

摘要： 按需通风策略能够有效地降低以切削工艺为主的机械加工厂房中机床所在工作单元内呼吸区的总体油雾浓度,并且通风量与呼吸区的油雾浓度分布密切相关。然而,油雾浓度难以被长时间稳定测量。因此本文旨在通过机械学习结合降维思想的方法对呼吸区油雾浓度分布进行预测。首先,通过数值模拟对机械加工厂房某一单元进行简化建模,分析了呼吸区油雾分布的主要影响因素,明确了多源散发的大空间内呼吸区油雾分布主要受排风量、散发源的强度和位置的影响,通过对不同工况模拟发现,油雾分布会随着排风量改变,局部区域浓度变化与整体变化弱相关。之后基于模拟结果建立了数据库,以此为基础训练多种预测模型,考虑R^(2),选择GBDT(梯度提升树)方法进行了预测,最终能保证预测的准确性大于80%,该方法为后续优化通风控制方法奠定了基础。

关键词： 高血压   预测模型   机器学习   系统评价  

摘要： 目的系统评价基于机器学习算法构建高血压患病风险预测模型,为模型的构建和优化提高科学参考。方法检索数据库中有关基于机器学习算法构建高血压患病风险预测模型的研究,检索时限为2018年1月至2023年6月1日。2名研究者独立筛选文献,提取数据,并应用PROBAST纳入研究进行偏倚风险和适用性评价。结果共纳入19篇文献,涉及42个模型,受试者工作特征曲线下面积为0.669~0.92。研究总体适用性较好,但普遍存在高风险偏倚,这可能与纳入文献并未呈现清晰透明的研究报告、预测因子评估和结果确定的时间间隔、缺失数据的处理和模型的临床应用等方面异质性较大有关。且仅有一项研究进行了外部验证,但并未深入评估模型在临床实践中的影响。结论高血压患病风险预测模型的整体预测性能良好,但模型的偏倚风险较高,模型的临床适用性亟待进一步验证。