关键词： 食品安全   机器学习   深度学习   黄曲霉毒素   定性预测  

摘要： 一直以来，食品安全是全球关注的焦点之一，其中，黄曲霉毒素M1是黄曲霉毒素B1在奶牛体内代谢后的主要形态，其作为牛奶中的主要污染物，对消费者健康构成威胁，因此，对黄曲霉毒素M1的检测对于确保乳制品安全和消费者健康具有重要意义。而传统的黄曲霉毒素M1检测方法（如高效液相色谱法和酶联免疫吸附测定法等方法）存在成本高、耗时长和操作复杂等问题，无法满足乳品工厂高通量、快批次检测的需求。为此，本研究基于机器学习与深度学习技术，采集我国2022-2024年间，不同区域和季节的原奶成分数据，探索了一种利用易测得数据来定性预测黄曲霉毒素M1的方法，降低乳品工厂的批量检测成本。研究基于筛选得到的16类特征数据集，采用线性回归、随机森林、支持向量机等多种机器学习方法以及基于Transformer架构的方法进行预测实验，并通过对比实验分析这些模型在阴性样本（Class 0）和阳性样本（Class 1）上的预测性能及方差稳定性。实验证明，基于Transformer架构方法的预测方法综合性能最佳。同时，我们还通过消融实验探究了Transformer架构下位置编码与注意力机制对模型性能的影响。总的来说，本研究通过深度学习方法实现了黄曲霉毒素M1的高效定性预测，相对于传统方法而言，该方法既可以满足高通量的需求，又通过节省多余检测环节的方式显著降低了检测成本，为乳制品安全检测提供了数智化转型的解决方案和模型优化的理论依据。

关键词： 人工智能   价值对齐   现实障碍   智能向善   人文建构  

摘要： 人工智能价值对齐，是人类有效掌控人工智能技术的关键，更是确保人工智能推动人类社会良性发展的重要保障。在维护人类主体性、践行人类伦理道德方面，它具有显著的时代价值，为未来智能技术向善发展树立了标杆。然而，实现人工智能价值对齐面临诸多现实挑战。技术体系尚不完善，算法黑箱威胁人身财产安全；人类对伦理道德的认可度差异大；技术加速异化人类，资本回报压力致使泄露用户数据隐私常态化。为突破这些困境，可从多方面进行人文建构：健全人工智能技术体系，细化算法数据筛选流程机制，提高人工制品市场准入标准，完善技术投入资本的回报与退出机制。这些尝试对拓宽人工智能价值对齐路径具有积极参考价值。总之，人工智能价值对齐是探索人工智能技术与人类价值观平衡融合的创新之举，对人工智能增进人类福祉意义重大。

关键词： 锂离子电池   机器学习   高斯过程回归   电池健康状态   电池管理  

摘要： 准确地估计电池健康状态（SOH）对锂离子电池储能系统的安全高效运行十分重要，围绕电池老化特征提取依赖特定工况和实际电池充放电过程随机性的问题，该文提出一种基于分段特征提取和稀疏高斯过程回归（GPR）的电池健康状态估计方法。首先，按照荷电状态对数据进行分段，针对每一段数据分别提取了30种特征，并基于充放电过程数据各训练了10种模型；其次，对部分特征计算Shapley值，解释充放电模型的差异性；然后，分析对比了五种高斯过程回归模型的核函数的预测性能；最后，与其他四种机器学习模型进行对比。测试结果表明，在高倍率工况下，基于60%～70%荷电状态的放电数据片段的模型预测效果最佳，所有测试集的平均方均根误差为0.26%。利用充电数据估计SOH时，基于马特恩核函数的GPR模型的预测结果的方均根误差最高降低了31%，而利用放电数据估计SOH时，基于有理二次核函数的GPR模型的预测结果的方均根误差最高降低了64%。

关键词： 虚拟现实   人工智能   舞台表演   融合与创新  

摘要： 随着科技的进步和艺术的创新,虚拟现实和人工智能技术逐渐成为舞台表演领域的新宠,它们为艺术家们提供了前所未有的创作空间,使得舞台表演形式和内容都得以极大地丰富和拓展。同时,它们创造出令人震撼的视觉效果和沉浸式体验,为观众带来前所未有的感官享受。基于此,本文以虚拟现实与人工智能在舞台表演中的融合与创新为研究视角,探索新时代舞台数字化交互表演艺术形式,旨在提高舞台艺术表现力,助力舞台艺术的健康可持续发展。

关键词： 人工智能   电商直播   人才培养   创新策略  

摘要： 在数字化转型与消费模式革新的双重驱动下,电商直播迅速崛起,成为推动经济增长的重要引擎。然而,直播行业的快速发展暴露出人才培养的瓶颈:传统模式无法有效应对行业高标准、多样化的技能需求。人工智能技术凭借精准的数据处理、实时反馈和智能优化功能,为突破这一困境提供了崭新的解决方案。本文系统分析了人工智能在电商直播人才培养中的应用价值,从提升效率、优化资源到强化实践能力逐一展开论述。同时,结合行业发展实际,提出以个性化培养与实践导向为核心的培养原则,进一步提出智能化教学平台建设、技能训练系统研发以及行业资源深度融合等应用策略。

关键词： 海洋气象   有效浪高   机器学习   气象因子   支持向量机回归   轻量级梯度提升机回归  

摘要： 为了解机器学习在海浪预测中的准确性，选取广东茂名浮标站2013年2月至2024年6月逐小时观测数据，应用机器学习方法分析了风速、气温、气压等气象因子对广东近海有效浪高的具体影响，并评估了10种机器学习模型在预测有效浪高方面的性能特点，结果表明：风速是SWH预测最重要的因子，气温和月份的影响次之；在单因子（风速）和多因子（风速、月份、气温）模型拟合两个实验中，支持向量机回归在两种拟合实验中均表现最佳，特别是在多因子拟合中，预测值的均方根误差约为0.31，相关系数高达0.87，决定系数为0.74，显示出优秀的预测性能；轻量级梯度提升机回归则在预测稳定性方面与SVR相当。

关键词： 人工智能   思政课   教学  

摘要： 探索人工智能赋能思政课教学发展是时代的要求,也是教育发展的必然趋势。人工智能可以应用于思政课教学精准化教学体系构建,智能化资源推送,创新教学评估机制。但是,在实践过程中出现的人工智能阻碍学生思考、思政课泛娱乐化、人工智能数据风险等成为人工智能赋能思政课教学的痛点。因此,提升思政课教师的智能素养,牢牢把握教学主导权;多情景化教学,拓展教学资源;强化数据管理,构建教学新生态成为解决上述痛点的重要手段。

关键词： 人工智能   电子信息   智能预测  

摘要： 随着电子信息技术的迅猛发展,基于人工智能的智能预测模型成为解决复杂系统动态分析与决策问题的重要工具.本研究针对政务与企业提升信息处理效率和精度的需求,提出了一种基于人工智能的电子信息智能预测模型.该模型秉持数据驱动与业务融合的设计原则,构建了具备自适应能力和可持续优化特征的智能架构,在确保系统安全性与可解释性的基础上,实现了跨领域信息处理的智能化升级.实验显示,该模型能够显著提升跨部门协同效率达 35%,并通过智能决策支持系统将业务响应速度优化 28%,在政务数字化转型与企业智能化管理方面展现出广阔的应用前景.

关键词： 低压铸造铝硅合金   硬度预测   机器学习   集成学习   特征重要性  

摘要： 基于3 418条实际低压铸造铝合金生产数据，提出了一种结合多种机器学习算法的集成学习硬度预测模型。结合多种机器学习算法，构建了一个多模型集成的硬度预测模型。通过对Lasso回归、支持向量回归（SVR）、K近邻回归（KNN）、梯度提升回归（GBR）、XGBoost和Stacking模型进行比较，选取表现最佳的Stacking模型进行优化和验证。结果表明，Stacking模型在MAE、R2等指标上均展现出最优的表现。可解释的SHAP分析表明，Cu、Zn等元素对合金硬度的影响显著。

关键词： 生态需水   XGBoost   CMIP6   机器学习   塔里木河流域  

摘要： 为适应或减缓气候变化对陆地生态系统的影响，探究气候变化下的植被生态需水（EcologicalWaterRequirement ofVegetation，EWR）规律对维持陆地生态系统的稳定至关重要。本文基于CMIP6气候模式数据，以塔里木河流域为研究区，综合运用随机森林（RF）、极端梯度提升（XGBoost）、人工神经网络（ANN）和长短期记忆网络（LSTM）四种机器学习模型，结合气象要素与遥感因素，设计多种输入组合，深入分析了各模型在不同输入组合下对EWR预测的性能。在此基础上，筛选最优模型对未来EWR进行预测，并采用SHAP法量化了气象与遥感因素对EWR 变化的贡献。结果显示：（1）四种机器学习模型均适用于研究区EWR的评估，其中XGBoost模型的综合性能最优。温度和净辐射是影响模型预测性能的主要气象因素，而引入遥感要素后，模型性能得到了进一步提升。（2）历史情景（historical）、中排放强迫情景（SSP2-4.5）和高排放强迫情景（SSP5-8.5）下的研究区平均EWR分别为498.58×108m3，548.81×108m3和570.28×108m3，未来EWR整体呈上升趋势，其中4月和5月为水需求增幅最显著的时期。（3）空间上，三种情景下研究区EWR均呈北高南低的分布特征；但相较而言，SSP5-8.5情景下EWR变化更为显著，南北差异明显缩小。（4）EWR变化的主要影响因素为叶面积指数、净辐射和最低气温，其中平原区EWR变化主要受叶面积指数影响，而山区EWR的变化则受叶面积指数、净辐射和最低气温的共同影响。