关键词： 异常检测   光伏逆变器   故障分析   机器学习   残差网络   马尔可夫过程  

摘要： 为解决光伏组件异常导致光伏逆变器数据异常的问题,提出一种基于改进残差网络(SCCB-ResNet50)的光伏逆变器数据异常检测方法。该方法引入马尔可夫转移场将光伏功率时序数据化转为二维图像,以增加数据特征点从而提高检测精度,同时使用改进残差网络提取数据异常特征,进行数据异常检测。改进残差网络在残差网络中引入通道注意力和空间注意力融合机制(CBAM),并使用改进的随机梯度下降(SGD)优化器和余弦退火学习率下降策略,以提高数据异常检测精度。结果表明:该方法在AUC、召回率和准确率上分别达到95.8%、81.5%、96.0%,与LSTM等其他数据异常检测方法相比,3个评价指标均得到有效提高,具有优异的数据异常检测能力。

关键词： 人工智能   廉政治理   技术嵌入   风险检视   技术赋能  

摘要： 人工智能的快速发展以及国家层面的政策导向,都为当前的廉政治理创新提供了重要契机与技术支持。依循技术嵌入理论的工具性和价值性双重逻辑,人工智能嵌入廉政治理形成了广泛的变革效应,包括优化数据治理促进廉政制度创新,赋能算法多样性提升廉政治理行为有效性,以及驱动算力场景化强化廉政治理价值的人民性等。然而受技术“双刃剑”效应影响,人工智能嵌入廉政治理容易导致诸多风险,包括数据开放下的安全风险、虚假信息泛滥导致的反腐公平损害风险、技术依赖下的廉政治理能力退化风险以及技术供给不足的信任风险等。而要规避种种风险,有必要以数据安全理念规训算法逻辑,构筑数字化权力监督平台,确保模型充分理解廉政语义以及保持机器理性与廉政文化的协同跟进,加强大模型在廉政治理领域的本地化部署,从而实现人工智能与廉政治理的深度融合。

关键词： 知识图谱   人工智能   医学教育   数据整合  

摘要： 随着人工智能技术的快速发展以及知识图谱的广泛应用,基于知识图谱的智能信息整合和数据关系的可视化能力,为医学知识的系统化传授、个性化教育等提供了新途径。本课程开展了基于知识图谱-AI赋能在药理学教育中的实践与探索,且对课程建设、应用效果等进行梳理,讨论其优势、存在的问题等,为医学教育中AI及知识图谱的应用提供实践依据。

关键词： 疟疾   消除   人工智能   挑战  

摘要： 近年来,人工智能快速兴起并蓬勃发展,这个前所未有的科技浪潮给包括疾病防控在内的各行各业都带来巨大机遇和挑战。疟疾是全球危害最严重的传染病之一。本文介绍了人工智能在疟疾防控领域的研究与应用进展、分析了面临的主要挑战并提出了下一步发展方向,从而为更好地应用人工智能开展传染病防控提供借鉴。

关键词： 人工智能   主流媒体   重大主题报道   用户体验   互动场景  

摘要： 主流媒体在重大主题报道中引入人工智能技术,有助于提升新闻产出效率、创新新闻报道形式及活跃用户互动氛围。人工智能通过烘托舆论氛围、引导议程设置促进报道效果最大化;通过联动虚实、串联场景等方式推动新闻作品“破圈”出彩;通过提升用户参与度、增强用户认同感等途径优化用户新闻信息获取体验,最终实现主流媒体重大主题报道传播效能的提升。

关键词： 机器学习   深度学习   算法改进   卷积神经网络   人工智能  

摘要： 深度学习作为人工智能(AI)的核心技术,极大地推动了AI和机器学习的发展。深度学习框架为算法的实现和优化提供了强大的工具支持,对提升算法性能、拓展应用场景具有重要价值。本文分析了深度学习框架下AI与机器学习算法改进的意义,介绍了卷积神经网络(CNN)、循环神经网络(RNN)、强化学习等主要技术类型,并从图像识别、自然语言处理、决策系统等领域,探讨了改进算法的具体应用策略,以期为AI技术的创新发展提供参考。

关键词： 人工智能   体育教育   AIPE   技术伦理   教育伦理   体育伦理  

摘要： 新一代人工智能正引发体育教育领域的深刻变革,这包括正向的赋能功效与潜在的负向反馈,而后者涉及体育教育领域中的人工智能(AIPE)应用的某些伦理风险,或对体育教育的人文价值和内在教学规律产生不当影响,需要及时揭示并予以纾解。研究认为:(1)AIPE促使体育教育模式得以优化、内容更加丰富、场景不断拓展以及评价转向智能,这为体育教育的智慧化发展提供了新的可能。(2)AIPE存在有限的应用范畴,这主要缘于其伴随潜在的“技术—教育”伦理风险。就技术伦理而言,其主要表现为AIPE的建模和训练偏差可能导致体育教育中的算法偏见,以及AIPE的数据采集、存储和处理存在隐私漏洞风险;就教育伦理而言,“第三持存”中自我意识的缺席可诱发体育教育异化,以及“技术反驯”或导致体育教育主体的隐退及师生关系的淡化。(3)对AIPE可能关涉的伦理风险予以纾解,其治理路径包括4个方面:发展可解释的AIPE,突出智能教育的透明性和公平性;构建AIPE的信息安全体系,强化体育教育数据的隐私保护;洞悉AIPE的“药性”与“毒性”,最大化挖掘其教育层面的效能;重构AIPE的“人—技”关系,秉持教育“以人为本”的理念。

关键词： 滑坡易发性   多时序数据   时空分布   机器学习   演化规律   工程地质学  

摘要： 为探究库区滑坡易发性演化规律,以三峡库区万州区多时序滑坡为研究对象,利用频率比法分析滑坡空间分布时变规律,通过机器学习算法建立多时序下的滑坡易发性模型并分析模型时效性及易发性演化规律,采用标准差椭圆刻画不同时序下高易发区的分布趋势.结果表明:各孕灾因子对滑坡的贡献度随时间变化;易发性模型的建模精度随滑坡编录数据时间跨度的增加而降低;按照时间顺序采样的滑坡易发性模型建模精度高、预测精度低,且预测性能随时间推移而降低;不同时序下高易发区的标准差椭圆分布存在显著差异且与人类工程活动相关.研究揭示了滑坡易发性的时变性和演化规律,未来应从滑坡发育的时间视角出发,探索具有时效性的易发性评价方法.

关键词： 飞行员   异常行为   目标检测   人工智能  

摘要： 随着民航事业的快速发展,飞行员异常行为对航空安全的影响日益严重。为了解决这一问题,文章提出了一种基于目标检测的飞行员异常行为检测系统,该系统基于YOLOv8目标检测算法,旨在实时识别和预警飞行员在驾驶舱内吸烟、玩手机等异常行为,从而提高飞行安全性。实验结果表明,该系统在飞行员异常行为的实时检测和预警方面具有较高的实用性和准确性。

关键词： 机器学习   学生成绩预测   决策树回归   特征工程  

摘要： 文章采用机器学习算法对学生的学习成绩进行预测,主要利用了线性回归、决策树回归和随机森林回归等方法。通过对某高校的数据集进行预处理、特征选择和模型训练,文章发现决策树回归在预测学生成绩方面具有较高的准确性和可解释性。文章不仅有助于提高教育机构的教学质量,还可以为学生提供个性化的学习辅导和升学指导。