关键词： 人工智能   主流媒体   人力资源   平台化转型   智能协同  

摘要： 本文从人力资源视角探讨智媒时代主流媒体的变革策略。首先分析智能媒体对传媒业的多维重塑:推动新闻生产者向智能协作者转型,促进组织结构向平台化、柔性化演进,并催生数据驱动的管理革命。其次揭示主流媒体面临的核心困境:人才供需结构性失衡(传统从业人员技能滞后与复合型人才短缺并存),平台化转型中科层制与网状协作模式的根本冲突,以及人机协同机制的制度性缺陷(职责划分不清、数据共享不足、算法治理缺位等)。最后提出系统性优化策略:通过分层培训体系提升员工的人工智能素养,构建“引进-培养”并重的开放型人才生态,实施组织结构扁平化与柔性化改造,建立透明互信的人机协作文化。

关键词： 数字化   人工智能   城市设计   教学模式   数据驱动  

摘要： 数字化与人工智能的迅猛发展深刻改变了城市的运行逻辑与规划设计范式。传统城市设计课程面临知识更新滞后、技能匹配脱节、教学方法单一等核心挑战。本研究聚焦城市设计课程的教学转型,提出融合数据驱动思维、人工智能工具深度介入与以问题为导向的“DT-AI-PBL”教学理论框架,重构课程目标、内容与模式。通过构建“环境感知—数据解析—方案推演—交互评价—协同优化”的核心环节,深度整合人工智能辅助场景感知、空间预测、方案生成与优化评估等核心任务,依托模块化、递进式项目教学,培养学生识别问题、整合多元目标、优化解决方案的智能化设计能力。

关键词： 低氧血症   良性中心气道狭窄   机器学习算法   预测模型  

摘要： 目的通过机器学习算法探讨良性中心气道狭窄患者术中低氧血症的影响因素,构建低氧血症的预测模型并对模型进行验证。方法采用病例对照研究方法。回顾性分析2022年6月至2024年4月在中国人民解放军海军军医大学第一附属医院接受手术治疗的650例良性中心气道狭窄患者的临床资料,按照7∶3比例分为训练集455例与测试集195例,训练集用于建立Logistic回归模型并进行内部验证,测试集用于外部验证。通过最小绝对收缩和选择算子(LASSO)回归及Boruta算法筛选影响良性中心气道狭窄患者术中低氧血症的因素,构建Logistic回归预测模型。采用受试者操作特征曲线下面积(AUC)、决策曲线分析(DCA)及校准曲线对模型进行评估,Shapley加法解释(SHAP)分析影响因素的重要性。结果纳入的650例患者中,男279例,女371例,年龄(37.86±8.82)岁。LASSO回归筛选出9个特征变量,Boruta算法筛选7个特征变量,二者的交集分别为手术时间、合并症、气道狭窄程度、热消融治疗、球囊扩张、气道支架,以此构建Logistic回归预测模型。该模型训练集、验证集、测试集的AUC值分别为0.928(95%CI 0.903~0.954)、0.922(95%CI 0.843~0.995)、0.919(95%CI 0.872~0.965)。校准曲线显示,该模型预测结果与实际结果一致性良好,DCA显示,具有临床应用价值。SHAP分析显示,影响良性中心气道狭窄患者术中低氧血症的变量重要性排序分别为手术时间、热消融治疗、气道狭窄程度、合并症、球囊扩张、气道支架。结论基于机器学习算法构建的术中低氧血症的Logistic回归预测模型具有良好的预测效能,有助于早期识别风险人群和预防低氧血症的发生。

关键词： 电子竞技   人工智能   辅助训练   辅助裁判   智能播报  

摘要： 随着近年来人工智能核心技术的快速发展和应用场景的稳步拓展,探寻电子竞技(以下简称“电竞”)与人工智能的交会点,分析和展望人工智能在电竞各个环节的实践应用形态、可预期的运行效果及功能发挥的深层机理,已经成为开拓电竞运动发展新空间、驱动电竞场域向智能化跃升的重要任务。人工智能在电竞训练环节的功能主要体现为辅助训练,包括“作为训练对手”“模拟对方选手”“提供指导意见”3项子功能;在比赛环节的功能主要体现为辅助裁判,包括“检测程序漏洞”“检测作弊工具”“语音监控和假赛认定”3项子功能;在观赛环节的功能主要体现为智能播报,包括“赛事制作和播出”“赛况生成和报道”2项子功能。人工智能的逐步推广和应用能够为我国电子竞技运动及产业发展迈向高水平和高质量提供坚实的科技驱动。

关键词： 智能制造   物流系统   数智化升级  

摘要： 当前,智能制造推动企业物流系统向智能化、数字化方向转型,数智化升级已成为物流体系优化的重要趋势。本文探讨了物联网、大数据、人工智能等关键技术在物流中的应用,并提出分阶段实施的优化路径,强调技术与业务融合的重要性。通过打造合作共赢的平台和推进智能化改造,企业物流体系能实现灵活、高效、精确的优化,从而为整个供应链竞争力的增强奠定坚实基础。

关键词： 机器视觉   硬质合金刀具   缺陷检测   图像处理   智能制造  

摘要： 本论文研究了一种基于机器视觉的硬质合金刀具缺陷检测系统,旨在提高刀具检测的效率与准确性。系统通过高分辨率工业相机采集刀具表面的图像,并利用先进的图像处理算法对图像进行预处理和缺陷识别。实验结果表明,该系统在缺陷识别率上达到了95%,显著优于传统检测方法的70%。通过对不同缺陷类型的有效检测,该系统为制造业提供了一种高效、自动化的解决方案。研究还探讨了系统在未来智能制造环境中的应用潜力。

关键词： 人工智能   治理模式   人工智能法   技术应用  

摘要： 人工智能社会化程度的加深,使技术应用的治理面临着更具复杂性的背景。监管难、散、乱的现实管理态势亟须完善明晰的人工智能法律法规加以规制,监管理论的融合混杂、治理模式无序单调等现实问题对人工智能立法的路径选择提出具象要求。应以我国现行法的“主体治理”特质为实际起点,探讨域外依照场景分类或风险分级的人工智能治理方法论融合我国立法监管道路的可行性,确立以风险、场景为核心标准,以服务备案制度与负面清单许可制度为实践路径的网状式分类分级治理模式。

关键词： 线损分析   机器学习   特征选择   异常诊断   配电网优化  

摘要： 电力线损是衡量配电网运行效率的重要指标,受技术与非技术多重因素影响。伴随着智能电表和用电终端的普及化,利用大数据进行的线损分析成为提升供电质量的关键要点,依靠数据清洗、特征提取及相关性分析工作,结合随机森林、支持向量机、BP神经网络、LightGBM等各类机器学习算法,完成了线损预测和异常诊断模型的构建与验证,实验结果说明,模型在预测精度以及异常识别效果上均强于传统方法,明显提高了诊断效率以及配网优化档次,有力促进线损管理实现精细化与智能化升级。

关键词： 种子活力   大豆   近红外   浅色种皮   深色种皮   机器学习  

摘要： 开发大豆种子活力的无损预测技术对于保障大豆种子播种质量和提升大豆产能具有重要现实意义。本研究采集了43个品种大豆种子的近红外光谱,利用多种光谱预处理方法以及多元线性回归、偏最小二乘回归、支持向量机回归、XGBoost和BP神经网络建模方法,分别构建了浅色和深色种皮大豆的发芽率、发芽指数、正常苗率、发芽势和芽长的预测模型。结果表明,深色和浅色种皮大豆分开建模效果较好,对光谱进行预处理并对光谱变量进行选择能提高模型预测能力,基于XGBoost和BP神经网络构建的预测模型表现最佳。浅色种皮大豆发芽率、发芽指数、芽长和正常苗率最优预测模型训练集R^(2)为0.93~0.96,测试集R^(2)均在0.80以上;发芽势最优预测模型训练集和测试集R^(2)达0.91以上。深色种皮大豆正常苗率和发芽率的最优预测模型训练集R^(2)分别为0.96和0.94,测试集R^(2)分别为0.79和0.82,发芽势、发芽指数和芽长的预测模型训练集和测试集R^(2)均在0.90以上。所构建的种子活力模型具有较高的泛化能力和准确性,可用于大豆种子活力的无损预测,从而为提高大豆播种质量和产量提供科学依据。

关键词： 人工智能   剪辑艺术   图像识别   视频分析   深度学习  

摘要： 人工智能(AI)技术在影视行业里,尤其是在剪辑技巧范畴的运用中,已成为帮扶制作效率、创作质量的实用手段。在影视制作中,AI技术通过图像识别、视频洞察、自动剪辑等功能,优化了素材筛选和镜头拼接的流程,大大减少了重复性和机械性的工作,节省了大量时间成本,从而提高了制作的精准度。由此可见,AI的使用正推动影视制作开启智能化转变,缓解人力劳动量,增进影片的综合水准。