关键词： 人工智能   科技期刊   高质量发展  

摘要： 探讨人工智能赋能下科技期刊的发展现状、挑战与应对策略,以助力人工智能背景下科技期刊的高质量发展。文章基于对政策导向、实践成果的梳理和考察,指出人工智能赋能科技期刊发展是大势所趋,在内容生成、编辑流程优化、同行评议、数据分析、学术传播等方面塑造出版新格局,但其同时在数据隐私、算法透明度、学术伦理、编辑人才培养等方面带来挑战。据此,从人工智能技术、学术伦理和编辑人才队伍建设三个层面提出应对策略,以期推动科技期刊高质量发展,为我国建设世界一流的科技期刊提供助力。

关键词： 图形领域   生成式人工智能   文学   机器学习技术  

摘要： 生成式人工智能在文学和图形领域的潜力令人振奋,因为它可以创造新作品。通过分析庞大数据库(公开可用和资料开源)中既有材料元素之间的关系,作为生成式人工智能基础的机器学习技术得以运行。这些算法“学习”预测不同类型表达中“接下来是什么”来进行创作。因此,一个完整的人工智能系统可以熟练地撰写事实性总结、文章、虚构的故事以及生成图像。

关键词： 人工智能   国家安全   全球南方   技术权力   数字巨头  

摘要： 人工智能技术赋予了技术权力不同以往的新内涵,不仅延续了传统意义上权力对稀缺资源的依赖,还通过工具性、话语性和制度性三重维度进一步深化了对“全球南方”的安全影响。技术权力源自数字巨头对核心技术、配套资源和治理规则的掌控,直接影响了“全球南方”在经济结构调整和社会发展中的治理路径,并加剧其技术依附和安全脆弱性。同时,数字巨头在技术跨国应用过程中携带的隐性价值观和治理逻辑,进一步嵌入相关国家的社会结构,带来了更为复杂的社会与政治安全隐患。随着人工智能的成熟与普及,技术权力对“全球南方”的安全挑战愈发严重。如何实现技术权力的公平分配,弥合南北之间的技术能力差距,并通过多边合作机制构建包容性技术生态,已成为当前国际社会面临的关键议题之一。这不仅关乎“全球南方”的技术独立性和安全利益,还将决定全球安全格局和治理体系在人工智能时代的未来演进方向。

关键词： GF-1数据   森林地上生物量   混合特征选择   机器学习   二阶段优化策略  

摘要： 【目的】提出二阶段遥感特征选择方法与多机器学习模型结合的思路,探索适用于国产高分一号(GF-1)数据估测森林地上生物量(AGB)的有效模式,为高分系列卫星数据在林业监测中的应用提供参考。【方法】首先,从GF-1数据中提取波段光谱特征、纹理特征、植被指数等44个特征变量;然后,基于二阶段特征优选策略优选特征,第一阶段采用过滤式法(Relief)、嵌入式法(Lasso、RF)进行初步筛选,第二阶段通过包装式法(RFE)进一步优化特征子集,提升模型估测能力;最后,利用以往森林AGB估测研究中表现较好的K最近邻(KNN)、支持向量回归(SVR)、随机森林(RF)、梯度提升回归树(GBRT)和极限梯度提升树(XGBoost)机器学习模型进行森林AGB估测,并评估不同特征选择方法与模型之间的匹配度及其对森林AGB估测精度的影响,探寻最优的基于GF-1数据估测森林AGB的策略。【结果】1)Relief-RFE方法在XGBoost模型森林AGB反演中取得较优效果(R²=0.811,RMSE=8.45 t·hm^(−2),rRMSE=23.39%)。2)绿光波段纹理特征(mea_b2)能够捕捉到森林地表覆盖物的空间分布信息,如森林的冠层密度、树木分布等空间结构变化信息;蓝光波段光谱特征(b1)对叶绿素和叶色素浓度变化反应敏感,可表征植被健康状况和生长阶段信息,在多种方法的二阶段特征选择中上述2种特征均被选为核心特征用于森林AGB估测。3)特征优选可显著提升模型性能,XGBoost模型的提升效果明显大于KNN、SVR、RF和GBRT模型。【结论】通过对比不同特征选择方法与机器学习模型结合估测森林AGB的效果,验证了二阶段特征优选策略在基于GF-1数据估测森林AGB中的有效性,尤其是将该策略与XGBoost模型结合,能够构建出高精度、高稳健性的森林AGB估测策略。

关键词： 婴幼儿   音乐教育   人工智能   个性化学习   多学科合作  

摘要： 通过节奏、旋律等要素,音乐不仅能够提高儿童的记忆力、专注力和语言表达能力,还能有效促进大脑神经元的连接与突触的形成,从而奠定儿童未来学习和情感发展的基础。音乐教育作为婴幼儿成长的重要组成部分,能够激发大脑多个区域的协同工作,促进认知、情感和社交能力的全面发展。随着人工智能(artificial intelligence,AI)技术的迅速发展,传统教育模式产生了深刻变革。AI技术的引入为婴幼儿音乐教育提供了新的解决方案,尤其在智能音乐教学、个性化学习、音乐创作和互动、音乐疗法等方面展现了巨大的潜力。文章探讨AI技术在婴幼儿音乐教育中的具体应用,并分析其在未来发展中的潜力和面临的挑战,以期为教育者和研究者提供理论支持与实践指导。

关键词： 人工智能   智慧交通   管理  

摘要： 随着科技的飞速发展,人工智能技术已逐渐渗透到人们生活的各个方面,特别是在智慧交通领域。因此,如何有效地利用人工智能技术提升交通系统的智能化水平,缓解城市交通拥堵,提高出行效率,成为当前研究的热点。文中从智慧交通概述入手,通过构建一套基于人工智能的智慧交通管理系统框架,并将其应用于实际城市交通场景中,为智慧交通的实现提供了强有力的技术支撑。

关键词： 文化与科技   河南文化   人工智能   元宇宙   数智化传播  

摘要： 河南数字文化产业近些年得到了快速发展,但也出现了一些亟待解决的问题。分析当下文化与科技融合发展的新趋势,厘清河南在数字产品的开发、创作、传播等层面表现出的新境况,通过典型案例和共性经验的梳理,从技术升维、精品打造和媒介融合三层面总结河南文化数智化传播策略,对当下河南数字文化产业快速发展有着重要意义。

关键词： 航天测控   航天遥测信息传输   深度学习   机器学习  

摘要： 在航天遥测信息传输领域,深度学习技术的应用日益受到关注。综述了深度学习技术在解决航天遥测信息传输中面临的数据量大、通信实时性高、易受干扰和路径损失大等问题中的应用。通过分析深度学习在优化遥测数据传输体量、提升传输效率、保障传输安全和减少传输误差等方面的进展,揭示了深度学习技术在提高航天遥测信息传输性能中的潜力。同时,还探讨了深度学习技术在航天遥测信息传输中面临的挑战,并提出了相应的研究思路,旨在为构建智能化航天遥测信息传输系统提供理论支持和实践指导。

关键词： 人工智能   大模型   新文科  

摘要： 人工智能技术的蓬勃发展,尤其是普惠人工智能大模型的崛起为新文科建设提供了抓手。推动数字技术与人文科学的深度融合和双向赋能,是贯彻落实教育强国目标任务的重要举措,也是提升交叉学科建设和交叉人才培养质量的重要推手。

关键词： 奶牛   热应激   机器学习   可解释性   XGBoost   SHAP  

摘要： 为提高奶牛热应激预测模型的准确性和可解释性,本研究采用奶牛红外体表温度和热应激潜在影响因子作为特征,基于极限梯度提升算法(XGBoost)构建个体热应激预测模型,并引入基于Shapley值的可加性特征归因算法(SHapley Additive exPlanations,SHAP)解释预测结果。选取了躯干、前乳(UD)、脸部以及眼部的最高温度(IRTmax)和平均温度(IRTave)作为体表温度变量,并结合环境参数和奶牛相关变量构建了特征子集。结果显示,热应激情况下,奶牛4个部位的IRTmax和IRTave均显著高于无热应激情况(p<0.01)。对比随机森林、自适应提升和梯度提升树模型,结果表明,使用前乳平均温度(IRTave_UD)作为输入特征,并经过网格搜索优化的XGBoost模型在预测奶牛热应激方面表现最佳,其准确率为80.8%,F1值为79.2%,ROC曲线下面积(AUC)为0.873。SHAP分析表明,前乳平均温度(IRTave_UD)与热应激发生呈正相关,而泌乳天数与其呈负相关,这两者可作为奶牛热应激识别的关键指标。研究结果可为奶牛舍夏季精准降温管理提供技术支持和参考。