关键词： 人工智能   知识生产   机器智能  

摘要： 生成式人工智能来了,带着它日益增长的智力。如今,它每天都在替学生和学者写论文,代记者发新闻稿,一口气翻译50种文字不在话下。它会根据语言生成图像视频,制作逼真的人机对话。它还可以在十几秒内解答2024年高考数学试卷,可得满分。

关键词： 机器学习   联邦学习   数据异构   聚类  

摘要： 目的在联邦学习中,各个节点拥有的本地数据独立产生,数据之间存在异构性。这种异构性会导致联邦学习在训练过程中产生的局部模型发生梯度偏移,从而降低联邦学习模型的准确度和收敛速度。方法为此,提出了一种基于DBSCAN聚类的联邦学习优化算法(FLDC)。首先,利用DBSCAN算法对所有的客户端进行聚类分层,层内客户端数据分布相似。其次,采用分层抽样的方法从每层中选择部分客户端,组成参与训练的客户端子集,提高训练数据的多样性,并确保集合中的客户端数据样本能够反映全局数据分布特征。结果在MNIST数据集和CIFAR-10数据集上进行了对比实验。结果表明,相比基准算法,FLDC对全局模型的准确率提高了0.29%~8.38%,且收敛速度有所提高。结论证明该方法在异构场景中能够有效减少异构数据对模型性能的影响。

关键词： 人工智能   仿真实训   人才测评与招聘   教学改革  

摘要： 近年来,人工智能技术在教育领域的应用日益成为新商科教学改革的核心议题。人才测评与招聘课程作为人力资源管理专业的关键性基础课程,对学生未来在管理学领域的学习和实际工作能力提升起着重要作用。基于人工智能的仿真实训平台结合了大数据分析和机器学习算法,帮助学生在模拟招聘环境中进行实践操作,涵盖心理测验、简历筛选、面试问题设计、决策判断、智能反馈等核心环节。研究结果显示,使用该平台的学生在掌握人才测评与招聘关键技能方面表现出显著提升。仿真实训平台的应用为人才测评与招聘课程的教学改革提供了新的方向,具备广泛的应用前景和推广价值。

关键词： 儿童青少年   体态健康   机器学习   临床预测   膝关节内外翻  

摘要： 目的应用多种机器学习算法构建小学龄儿童青少年膝内外翻风险模型,通过比较进一步筛选出最优模型,并对其进行科学解释,助力儿童青少年体态健康评估系统的探索和开发。方法选取浙江省主要城市的514名小学生为研究对象,收集其社会人口学、人体测量学、体成分、身体姿态及动静态足底压力分布等数据,采用简单随机抽样方法,以7∶3比例将研究对象拆分为训练集(360例)和验证集(154例),基于K最邻近(KNN)、轻量梯度提升(LGBM)、极端梯度提升(XGBoost)、随机森林(RF)、多因素逻辑回归(LM)、支持向量机(SVM)6种机器学习算法分别构建膝关节内外翻风险预测模型。采用受试者工作特征曲线(ROC)对模型的预测性能进行评估,并使用Shapley加性解释(SHAP)算法评估不同维度数据对模型的影响。结果研究对象中膝关节内外翻例分别为190例和80例。针对膝关节外翻,XGboost模型ROC曲线下面积(AUC)最高,为0.738,整体预测性能最佳;针对膝关节内翻,RF模型的ROC曲线AUC最高,为0.824,整体预测性能最佳。通过SHAP分析得出,影响膝关节外翻XGBoost模型输出结果的主要特征指标为年龄、腿长差和耳肩距离,影响膝关节内翻RF预测模型输出结果的主要特征指标为膝关节伸展角、腿长差、耳肩距离、动态足弓指数、足弓变化情况和年龄。结论模型展现出一定精度的预测性能,证明相关结果可以指导儿童青少年体态健康管理的早期干预工具构建。

关键词： 人工智能   AI   故事   有趣  

摘要： AI就是人工智能,它很厉害,能帮我们做很多事情,比如画画、写故事。这次我们试着输入“智能肥皂”,请AI创作了一个有趣的故事。一起来看看吧。

关键词： 人工智能   自动化管理   中职信息技术   实训室  

摘要： 随着人工智能(artificial intelligence,AI)技术的迅猛发展,其在教育领域的应用日益广泛,尤其是在职业教育信息化建设中具有重要意义。中职信息技术实训室作为培养学生技能的重要场所,其传统管理模式存在效率低下、资源浪费等问题,难以满足现代教育的需求。本文研究了AI技术在中职信息技术实训室自动化管理中的应用,旨在通过探索人脸识别、物联网、大数据分析和智能监控等技术的引入,提升实训室管理效率,优化资源利用,降低管理成本,并创新管理模式。研究结果表明:AI技术能够有效优化实训室的管理流程,为中职教育信息化发展提供重要支持。

关键词： 考场监控   高考   人工智能   行为识别   智能巡查  

摘要： 考场行为管理是考试安全的重要保障。本研究应用实时目标检测、行为识别等人工智能技术,基于考场视频采集与分析并融合考务规范与人机协同,构建了一套全流程考场实时智能巡查体系,为监考工作提供过程性决策支撑。通过高考大规模现场应用实践,验证了智能行为识别技术在考场行为管理中实际应用的可行性,以及其在警示考生、规范监考、提高效率、确保安全等方面的积极作用。基于面向考场行为规范分析判定的应用实效研究,可以推动针对考场实时智能巡查技术的持续改进,为人工智能进一步助力考试管理、保障考试安全积累经验。

关键词： 机器学习   大数据   模型优化   市场预测   深度学习  

摘要： 市场环境的快速变化对企业决策提出了更高要求,精准的市场预测成为提升竞争力的关键。传统市场预测模型依赖历史数据和统计方法,存在精度不足、适应性差的问题。大数据技术的发展推动了市场预测模型的优化,机器学习和深度学习算法的引入使预测结果更加精准,不仅有助于优化资源配置,还能降低运营风险增强市场应变能力。

关键词： 人工智能   主流媒体   系统性变革  

摘要： 数智时代,以人工智能技术为代表的新技术赋能主流媒体发展,为主流媒体内容生产、传播模式、平台生态等方面带来深刻变革。本文探讨人工智能赋能主流媒体系统性变革的价值及逻辑,并从坚守政治站位、坚持守正创新、拓展运营思维、培养复合人才等方面出发,提出进一步深化人工智能赋能主流媒体系统性变革的路径策略。

关键词： 乳腺癌   磁共振成像   前哨淋巴结   影像组学   机器学习  

摘要： 目的:探索多参数磁共振成像(multiparametric magnetic resonance imaging,mpMRI)影像组学结合机器学习模型预测乳腺癌前哨淋巴结(sentinel lymph node,SLN)转移的潜在价值。方法:回顾并分析经病理学检查证实的乳腺癌患者影像学及临床资料,并按7∶3分为训练组和验证组。基于T2加权成像(T2-weighted imaging,T2WI)、表观弥散系数(apparent diffusion coefficient,ADC)、动态对比增强MRI(dynamiccontrast-enhancedMRI,DCE-MRI)第2期,提取肿瘤整体感兴趣区(ROI_Whole)以及亚区(ROI_Sub)的影像组学特征,结合临床、病理学及影像学特征,构建多个机器学习模型,通过受试者工作特征(receiver operating characteristic,ROC)曲线、决策曲线分析法(decision curve analysis,DCA)及校准曲线评价不同机器学习模型的预测效能。结果:纳入193例乳腺癌患者,其中80例为SLN转移阳性,113例为SLN转移阴性,对患者的临床、影像学及病理学资料进行单因素和多因素logistic回归分析并筛选出与乳腺癌SLN转移相关的独立危险因素。最后分析得出,瘤周水肿和淋巴管血管侵犯(lymphovascular invasion,LVI)在SLN阳性组与阴性组间差异有统计学意义(P<0.01),且LVI为独立预测因子(P<0.05)。采用T2WI、ADC、ROI-Whole、ROI-Sub影像组学特征及LVI构建的多层感知机(multi-layer perceptron,MLP)模型效能最佳,在训练集中曲线下面积(area under curve,AUC)为0.947,在验证集中AUC为0.932。结论:基于乳腺mpMRI的影像组学模型在术前能够有效预测乳腺癌SLN转移。