关键词： ChatGPT   人工智能   思想政治教育  

摘要： 生成式人工智能的快速发展和广泛应用将促进高校思想政治教育的变革与创新,在带来构建思想政治教育新场域、整合思政内容、完善思政评估方式等机遇的同时,也给思政教育带来了意识形态、科学技术、伦理法治等方面的风险挑战。在防范高校思想政治教育工作中运用ChatGPT造成的各类风险基础上,从推动开发平替、实施技术监管、完善法律法规等方面实现ChatGPT与高校思想政治教育的有机结合,进而推动高校思想政治教育数字化转型。

关键词： 人工智能   物资供应链   管理模式  

摘要： 以人工智能为代表的新一代互联网技术推动了信息产业第三波变革的浪潮,已在多个行业中开始应用。人工智能可以有效地提高信息收集和处理效率,在物资供应链中的应用为其智能化发展提供了技术基础。为进一步提高物资供应链的运输效率,打造现代物资供应链管理模式,使企业可以更有效地管理和监管物资供应链,本文从人工智能应用的角度探讨了物资供应链发展的前景,并提出了当前物资供应链管理模式发展面临的问题,然后有针对性的提出了物资供应链发展策略,以期为相关从业人员提供参考。

关键词： 血流动力学   机器学习   房颤   左心耳   神经网络  

摘要： 房颤是一种常见的心血管疾病,其发病率在全球范围内呈现出快速增长的趋势。房颤病人的左心房及左心耳内的血流动力学规律,比如速度场和压力场,是评估血栓形成风险的重要依据之一。目前对于心血管问题的传统研究方法是计算流体力学,尽管其精度被认可,但高昂的计算成本限制了其在临床快速诊断方面的应用。为了解决这个问题,机器学习方法开始被引入,本文提出了一种基于边卷积层和双通道的神经网络架构。经过训练,该架构可以由左心耳的点云模型,预测出内部的速度场和压力场。该架构对测试集中样本的速度场预测误差约为10%,压力场预测的误差约为5%。应用本文方法对314例房颤患者的左心房及左心耳的血流动力学特性进行研究,发现房颤患者的左心耳内流速低于正常人,而左心房平均压力高于正常人,男性相比于女性更容易患有房颤。

关键词： 清华大学出版社   中国计算机学会   副校长   人工智能   广东科学技术职业学院   清华大学教育研究   职业教育教学改革   生成式  

摘要： 2024年8月16日,由清华大学出版社出版的《生成式人工智能素养》一书在第八届中国计算机学会职业教育大会的AIGC赋能职业教育教学改革论坛上正式发布。来自全国各地的百余位相关专家学者参加了论坛,见证了这本新书的发布。该书由广东科学技术职业学院副校长曾文权担任主编,由清华大学教育研究院长聘教授韩锡斌作序推荐。

关键词： 机器学习   决策树   贫困风险统计   精准扶贫  

摘要： 本文指出居民贫困风险预测对于保障社会和谐稳定具有重要意义。本文基于机器学习技术,利用某地区贫困户的多维度统计数据,构建了贫困风险预测模型。通过对户主信息、家庭特征、致贫原因、生产条件等的综合分析,模型能够精准识别潜在贫困风险群体,提高扶贫工作的针对性和有效性。这不仅为政策制定提供了科学依据,有助于实现精准扶贫,促进地区可持续发展,也为其他类似地区的贫困风险预测提供了借鉴和参考,具有重要的理论意义和实践价值。

关键词： 甲状腺癌   人工智能   超声检查   颈部淋巴结转移  

摘要： 超声是判别甲状腺结节良、恶性的首选影像学检查方法,具有便捷、无创、实时动态等优势,但存在一定的操作者主观性。近年来,随着人工智能技术的不断发展,其在辅助诊断甲状腺结节方面已取得了较大的进展,在预测甲状腺癌是否发生颈部淋巴结转移方面亦被研究。人工智能技术可以在一定程度上克服超声诊断中的操作者依赖性,提高诊断的准确性。本文就人工智能在甲状腺结节超声诊断及预测甲状腺癌颈部淋巴结转移中的应用进展作一综述。

关键词： 人工智能   汽车故障诊断   预测维护   实时监测  

摘要： 文章旨在分析基于人工智能的汽车故障诊断与预测维护系统的研究,通过分析人工智能在故障诊断中的应用,提出了实时故障诊断算法、自适应故障识别、警报系统的设计以及用户通知和反馈机制等方面的监测技术,并阐述了部件寿命预测和维护建议,以期为提高汽车故障诊断的准确性和可靠性提供一定的参考和借鉴。

关键词： 人工智能   安全监控   应用   发展  

摘要： 随着城市化进程和社会安全问题的复杂化,传统安全监控手段已逐渐显现出局限性。传统监控系统依赖于人工操作和有限的技术支持,难以应对复杂多变的安全挑战。因此,急需新技术解决方案,以提升监控系统的智能化水平和应对能力。人工智能的出现填补了这一空白,通过强大的数据处理和学习能力,使监控系统能够更精准地分析和预测安全事件,为社会安全提供更为可靠的保障。

关键词： 人力资源推荐   机器学习   分布式计算   AP聚类   Storm计算框架  

摘要： 由于受到特征维度及数据规模的影响,人力资源精准推荐难度提升。为了提高人力资源管理平台的自适应推荐精准度,采用机器学习聚类推荐策略,将AP聚类算法应用于大规模人力资源推荐,并借助于Storm计算框架提高推荐效率。首先,根据人力资源平台的用户行为记录进行特征提取并初始化,并借助PCA算法进行特征提取,构建求职者和岗位的评分函数。然后,采用AP聚类算法对求职者—岗位特征进行聚类分析,根据聚类结果获得候选岗位推荐序列。AP聚类的所有过程均在Storm分布式节点中完成。通过对4家大型网络招聘平台的仿真分析,分别从不同推荐序列、不同聚类数目及不同特征数的角度下展开人力资源推荐性能分析。结果表明,AP聚类在4家平台的人力资源推荐中获得较高的Recall和F1性能,而分布式计算则有效提升了推荐加速比。

关键词： 伽马射线暴   机器学习   统计分析  

摘要： 伽马射线暴(简称伽马暴)是发生在宇宙学距离上的高能爆发现象,红移的探测对于探究伽马暴的物理起源、爆发机制以及辐射过程都至关重要。截至目前,伽马暴的观测数量已经很多,但有确定红移的暴却很少。早期研究者通常采用一些物理参量之间的紧密经验关系反推伽马暴的赝红移,从而用于宇宙学研究,但利用这种方法获得的赝红移结果很不准确。在本文中,我们利用有监督机器学习算法对Swift卫星未测得红移的伽马暴进行红移预测。以Swift卫星在2005年3月至2022年5月期间观测到的所有伽马暴为研究样本,选择了瞬时辐射阶段的持续时间、时间积分流量、光子指数和X射线余辉平台辐射结束时的流量、结束时间、时间幂律衰减指数、平台结束后阶段的衰减指数、能谱指数、氢柱密度等物理量作为特征参量,运用随机森林、线性回归、最小绝对收缩与选择算子、核岭回归以及支持向量回归等算法作为机器学习基本算法,建立了SuperLearner集成模型,最后通过模型训练、交叉验证、模型预测,最终获得了128个伽马暴赝红移。机器学习预测的红移结果要比传统上用参量之间的关系进行预测的结果要更加准确。