关键词： 歌声智能评价   机器学习   神经网络   感知分析  

摘要： 随着流行歌唱艺术的普及和技术的发展，大众对于流行歌唱水平智能评价的需求日益增长，基于计算机的智能评价方法能够大幅提高歌唱评价的效率和客观性。然而，目前对于智能歌声评价的研究通常难以与感知相结合。因此，本文利用自录流行歌声数据库，进行多维度的主观感知实验；然后利用主观实验的结果分别进行机器学习和神经网络的客观回归模型构建，并利用歌声特有特征对客观模型进行优化；最后结合主客观分析的结果，分析人耳对于流行歌唱水平评价的感知特性。结果表明，频谱能量、ERB能量、GFCC等特征对歌声水平的评价有较大影响，频谱复杂度、对比度以及扩散度等与歌声的细节评价有一定关系。此外，实验结果还表明，Mel谱图用于神经网络构建的效果会优于CQT谱图和色谱图，并且谱图与传统特征的融合会使得神经网络效果有进一步提升。

关键词： 大模型   多组学   队列研究   疾病预测   精准医学   因果推断   人工智能  

摘要： 队列研究作为现代医学研究的基础，在疾病的机理探寻及健康的风险预测中发挥着巨大的作用。在高通量技术的飞速发展下，对于诸多复杂的疾病来说，多组学队列研究是现阶段挖掘出其发生发展机制最有效的研究方法之一。随着大规模语言模型(LLM)和多模态大模型的快速兴起，处理队列研究中的复杂数据有了新的可能，如在时间序列建模、缺失数据处理和跨模态数据整合和分析方面都可由该类模型实现。本综述对UK Biobank、All of Us和中国慢性病前瞻性研究三大典型队列中大模型应用的关键案例进行了全面总结，将队列研究从“相关性发现”阶段推向到“因果推断”阶段。本文梳理了前沿的方法学创新、典型的使用场景以及可能遇到的挑战与应对方案，对大模型驱动的多组学队列研究提供了一个系统性框架，探讨了目前存在的主要问题以及后续发展的路径，对推动精准医学和公共卫生等领域的科学决策具有重要意义。

关键词： 人工智能   人工智能模型卡   算法透明性   算法治理  

摘要： [目的/意义]人工智能模型卡(AI Model Cards)旨在记录和共享人工智能模型的元数据信息。作为一种结构化、标准化的算法描述工具，它在支持算法透明性方面发挥着关键作用，有利于推动算法治理的进一步深化。[方法/过程]对人工智能模型卡相关文献进行系统梳理与总结，将现有研究归纳为元素结构、内容质量评估与价值论证三个方面，识别出人工智能模型卡的核心元素及其内涵。[结果/结论]研究发现，学术界、产业界与政府在模型卡的内容构建上既存在共性也各有侧重；模型卡的实际应用与设计理念之间存在一定鸿沟；面向不同主体，模型卡体现出差异化的价值尺度。对模型卡的优势、局限性与未来发展方向的深入分析，能够为模型信息描述框架的构建与算法透明性的提升提供理念指导与方法支持。

关键词： 新质生产力   人工智能   智能行政执法   正当程序   风险规制  

摘要： 以人工智能为代表的新一代关键核心技术的创新与应用正成为新质生产力发展的重点领域和重要组成部分，同时也深度嵌入行政执法体系，引发传统行政法秩序的结构性变革。新质生产力发展驱动下，智能行政执法系统凭借智能技术强大的数据处理与分析能力，深度介入行政决策与执法流程，解构了传统责任分配逻辑，但算法黑箱引发的程序正义危机削弱行政决策过程的透明性，克减相对人知情权、参与权，算法偏见更直接威胁结果公正。面对智能行政执法的风险挑战，应在执法主体维度按照人工智能法律分类标准确认归责原则；在执法程序维度以算法透明化改革与强化说明义务保障相对人程序参与，建立包含双轨申辩与复核机制的包容性数字救济体系；在执法结果维度形成覆盖算法设计事前审查、执法过程动态监管以及争议解决事后救济的治理机制。

关键词： 机器学习   综合物流网络   物流成本  

摘要： 探索降低物流成本的策略对于促进流通、提振消费具有重要作用。近年来，我国采取多项措施降低物流成本并取得了积极成效，但是，社会物流总费用与GDP的比率仍然偏高。本文通过机器学习算法，从交通物流基础设施网络、运输服务以及相关产业发展等多方面着手，量化各指标特征重要性，识别出铁路营业里程在综合交通网里程中的占比、内河航道里程在综合交通网里程中的占比等影响物流成本的关键因素，其中第三产业增加值占GDP的比重对物流成本的影响最大。此外，研究发现铁路营业里程在综合交通网里程中的占比等特征因素与社会物流成本成负相关，内河航道里程在综合交通网里程中的占比等特征因素与物流成本近似成正相关。基于此，应加强物流网络智慧化建设、优化产业结构、完善综合立体交通网建设、推动各运输方式协同发展等降低物流成本。

关键词： 电催化   二氧化碳还原   机器学习   人工智能   单原子催化剂  

摘要： 随着全球对清洁能源需求的不断增长，电催化技术在能源转换和存储方面的重要性日益凸显.在水电解制氢、电催化二氧化碳还原和氨合成等过程中，催化剂的设计成为研究的热点.然而，传统实验试错法效率低下且成本高昂，限制了新材料的发展速度.在此背景下，机器学习作为一种新兴工具，为加速电催化剂的高效设计与性能优化提供了新途径.本综述聚焦于机器学习在电催化剂设计中的应用进展，探讨了从理论模拟到实验数据驱动的研究方法，并分析了不同类型的材料如金属/合金、单原子/双原子以及其他类型催化剂的应用案例.基于对当前研究进展的系统梳理，本综述强调了机器学习在加速电催化剂理性设计和性能优化方面的巨大潜力，同时展望了其对未来清洁能源发展的重要推动作用.

关键词： 配电系统   电力安全   弹性评估   人工智能   混合增强   极端事件  

摘要： 电力安全事关国民经济发展与国家能源安全。近年来，低概率高损失极端事件给配电系统的安全可靠运行带来了严峻挑战。弹性评估通过定量刻画极端事件下配电系统预防、抵御及恢复的能力，为安全可靠供电提供支撑。首先，介绍配电系统弹性评估（DSRA）的基础理论，从弹性建模、弹性指标与评估算法三个方面梳理DSRA的研究现状。然后，介绍模型-数据-认知混合增强智能（MDC-HAI）的基本概念、研究现状与应用场景，分析其可能为DSRA带来的创新。接着，探讨DSRA的MDC-HAI方法，包括极端事件下配电系统的故障模式及弹性建模、DSRA的指标及要素表征、DSRA的MDC-HAI算法等关键技术。最后，对本文工作进行总结与展望。

关键词： 机器学习   卷积神经网络   中子衍射   织构   重要性区域识别   抗噪能力  

摘要： 本研究基于X射线衍射极图以及对应的织构体积分数，训练了一种可用于从中子衍射测量的织构数据中分析织构体积分数的卷积神经网络模型。然后，进一步分析了极图中不同晶面对于确定织构的重要性，发现训练的模型（220）晶面的极图对准确做出预测的影响最大。为了验证模型的噪声鲁棒性，通过引入不同强度的随机噪音来进行检验。结果表明，该深度学习框架在中子织构数据集上展现出了优异的织构特征识别精度和噪声干扰下的稳定预测性能，为中子衍射织构数据的智能解析提供了可靠的技术路径。

关键词： 人工智能   奋斗精神   异化风险   大学生  

摘要： 人工智能时代大学生奋斗精神被赋予了新的内涵,它是实现科技自立自强的关键支撑、是防范技术异化的思想屏障、是培育时代新人的核心要素,因而具有重要的时代价值,但同时大学生面临着奋斗目标迷茫、奋斗热情减退、奋斗能力弱化等异化风险。基于此,文章从人工智能技术、社会环境、高等教育、家庭教育以及大学生个体层面进行了原因分析,并提出了构建人本导向的智能治理体系、营造健康向上的发展环境、重构智能时代的育人生态、树立正确的教育理念和提升自身思辨素养等应对策略。

关键词： 智能制造   工业图像处理   异常检测与定位   深度学习   无监督学习  

摘要： 深度学习的快速发展为工业图像的异常检测和定位奠定了里程碑，现有研究对全面深入探索该领域具体方法和新兴趋势的需求不断增长。超越了传统的监督训练范式，探讨了基于自监督和无监督学习的异常定位方法的背景动机、发展现状和核心挑战，从神经网络架构设计、特殊应用场景分析、损失函数改进、评价指标和公开数据集的使用情况等角度全面回顾了工业领域现有优秀研究。此外，还重点研究了少样本学习下，大型视觉语言模型对多类别统一异常定位任务的认知和推理作用，总结了现有研究成果并指出了未来的研究方向，旨在促进利用大模型的能力来增强复杂真实场景中异常定位算法的稳健性和系统开发的高效性。这项全面的分析旨在弥合现有的知识差距，为研究人员提供宝贵的见解，并为塑造工业异常定位研究的未来做出贡献。