关键词： 新工科   人才培养   能力导向   人工智能   课程改革  

摘要： 如何在新工科背景下探索人工智能复合型人才培养模式已成为高等工程教育改革关注的热点。针对现有人工智能课程在教学目标、教学内容、教学手段与方法、评价考核指标等方面与新工科不适应的问题，围绕人才培养目标，旨在从课程体系建设、课程教学改革以及新工科背景下人工智能新型复合人才培养模式3方面进行深入研究和思考。提出以能力为导向、校企合作产学研协同育人的改革途径与方法，在培养人工智能专业型人才的同时，形成“人工智能+X”复合型专业人才培养新模式。探索能力驱动的本科教学新思路，给出人工智能课程的教学实施案例，以期对新工科背景下的课程教学改革及人才培养提供借鉴和参考。

关键词： 人工智能   牙周病   机器学习   深度学习   神经网络  

摘要： 人工智能（AI）技术在牙周病学领域快速发展，为临床诊断、风险评估、个性化治疗方案以及患者远程照护等各个环节带来全新机遇。基于深度学习、机器学习、自然语言处理等核心技术，AI能有效提升牙周疾病早期诊断敏感性，精确量化牙槽骨丧失程度与软组织破坏状况。AI支持多模态数据融合，可综合病史、生活方式与影像学资料，为患者提供更为精准的风险预测与个性化治疗建议。通过远程监测与健康咨询相结合的方式，AI辅助患者维持自我护理依从性，显著改善患者的口腔健康相关生活质量和治疗满意度。此外，AI在牙周科研与教育领域中也展现巨大潜力，包括数据挖掘、虚拟病例训练及自然语言处理辅助文献管理。然而，当前模型泛化性、数据质量、伦理与可解释性等问题仍待探索与规范。未来随着多中心大数据平台建立，AI与牙周病学深度融合有望推动精准医学与智慧医疗的发展，实现从预防到长期照护的全流程管理，提升疾病的诊治效率与患者健康收益。

关键词： 人工智能   赋能教育   医学师资   师资重塑   数智泛在教学模式  

摘要： 当下中国教育数字化战略行动从 “3C”走向 “3I”，数智时代未来已来，高等医学教育变革面临机遇和挑战，其中医学院校师资建设是重中之重。当前，医学院校师资存在教育理念亟待更新、专业化发展不足、数字素养亟待提升和结构失衡等问题。人工智能赋能医学院校师资建设可以通过强化思政引领与数智教学融合、完善师资发展规划、提升数字素养形成数智思维和优化结构等措施，推动医学教育师资建设变革，以实现数智时代医学院校师资建设与时俱进，进而推动医学教育在变革中持续高质量发展。

关键词： 人工智能   STARA意识   人工智能准备度   压力认知评价模型  

摘要： 随着人工智能驱动的科学研究（AI For Science）兴起，有必要探究科研人员借助人工智能增强科研创新行为的影响因素和创新增强模式。文章通过偏最小二乘法的结构方程模型分析，探究人工智能准备度、创造性自我效能、威胁认知、STARA意识和人工智能增强科研创新之间的关联。结果显示，人工智能准备度、STARA意识与人工智能增强科研创新之间呈显著正相关关系，人工智能准备度和STARA意识越高的科研人员人工智能增强科研创新程度越高；人工智能威胁认知与科研人员STARA意识之间存在显著正向关系；科研人员的STARA意识低于企业员工；创造性自我效能在人工智能准备度与人工智能增强科研创新之间存在中介效应。

关键词： 人工智能   水声通信   水声网络   路由协议  

摘要： 随着海洋强国战略的发展，我国对海洋资源勘探、生态环境监测、军事安全应用等领域的海洋信息获取和数据传输需求迅速增加。水声网络作为水下数据传输的重要手段，其性能直接受到路由协议的影响。传统水声网络路由协议面临着动态海洋环境、节点能量有限以及网络安全等诸多挑战。近年来，人工智能技术凭借其强大的学习能力、数据洞察能力和适应性，逐渐被引入到水声网络路由协议中。该文综述了国内外人工智能技术在水声网络路由协议中的应用研究进展，详细分析了其在平面路由和层级路由中的应用情况。研究结果表明，人工智能技术能够有效优化路由决策，降低能耗，减少端到端时延，并在一定程度上提升网络安全性能。然而，当前的研究仍主要基于仿真，且在算法复杂度评估和硬件实现方面存在不足。未来的研究方向应包括开发更贴近实际海洋环境的仿真平台，进行海试实验以验证算法性能，同时降低人工智能算法的复杂度，以适应水声节点的硬件条件。该文旨在为水声网络路由协议中应用人工智能技术提供参考，并对未来研究方向提出建议。

关键词： 可解释人工智能   机器学习   深度学习   医学图像分析  

摘要： 随着人工智能(artificial intelligence, AI)技术的快速发展,医学图像分析成为AI应用的重点领域.然而, AI模型的“黑箱”性质(即缺乏明确解释的决策过程)阻碍了其在临床实践中的广泛应用.因此,可解释人工智能(eXplainable AI, XAI)算法近年来受到广泛关注,是提升AI解决方案透明性和可信度的关键研究方向.本文对现有XAI技术进行了分类和总结,概述了当前应用于医学图像分析的XAI技术的最新进展,探讨了这些技术如何提升机器学习和深度学习模型的决策透明度与临床接受度.本文还回顾了近5年XAI技术在医学影像诊断、自动分割、疾病预测和治疗效果评估等任务中的主要工作和应用,展示了XAI技术如何帮助揭示模型决策依据,改善医生对AI系统的信任度.此外,本文总结了XAI技术在医学图像分析领域目前面临的挑战,为未来的研究与开发提供指导,推动AI技术的透明化、可信化与高效化应用.

关键词： 人工智能   知识图谱   设计规则   母型船   混合推理   型线智能设计  

摘要： [目的]针对现有型线设计手段耗时过长、知识重用性低的问题，开展船体型线的快速智能设计研究。[方法]重点围绕长江货船船型，利用知识工程理论，构建包含型线参数知识图谱、母型船实例、设计规则的知识库，并基于建立的知识库设计船体型线混合推理模型。然后，以长江13 000 DWT散货船的型线设计为例，利用知识库的智能推理实现船体型线的高效生成。[结果]结果显示，与初始船型相比，推理船型可达到3.06%的减阻效果。[结论]研究表明，基于知识驱动的船体型线智能设计方法可显著提高船体型线设计的效率及质量，具有重要的工程意义。

关键词： 人工智能   煤矿开采   安全性   工作效率   机器学习  

摘要： 随着先进技术的发展,人工智能在各个领域的应用不断增多,尤其是在煤矿开采过程中。原先的煤矿开采流程中存在大量的安全隐患和效率问题。本文致力于研究人工智能在煤矿开采过程中的应用,力求通过人工智能技术提高煤矿开采效率并增强工作环境的安全性。研究方法主要通过收集当前煤矿开采流程中广泛存在的问题,并对各种人工智能技术的适用性进行调研和测试。其中,融合大数据、机器学习等人工智能技术的应用,将对提高煤矿开采过程的精确性和效率提供有效支持。通过实地测试和数据分析,研究发现了引入人工智能技术后,开采效率提高了约15%,同时大大减少了因人为错误导致的安全事故,工作环境的安全性亦大幅提升。综上所述,研究表明,人工智能在煤矿开采过程中的应用能够有效提高开采效率,并能有效提升矿工的工作环境安全性。我们期待着未来更多的人工智能技术被引入到矿业生产中,以带动产业的快速发展和安全性的提升。

关键词： 机电工程   智能化设计   物联网   人工智能  

摘要： 本文深度分析了机电工程智能化设计的核心价值,并对如物联网(IoT)和人工智能(AI)等智能化技术进行了探讨、本文探讨了机器学习(ML)在机电工程领域的当前应用状况,并深入分析了这些技术在提高机电系统性能方面的巨大潜能。本文也强调了用系统化方法对机电工程智能化设计的需求,讨论了智能化设计所面临的困难和挑战,主要是系统兼容性问题、安全性和隐私保护,成本效益和市场接受度。通过细致分析机电工程智能化技术的运用实践,文章认为智能化设计对于提高机电系统的性能至关重要,并为今后机电工程智能化技术的发展指明方向。

关键词： 热塑性硫化胶   代表性体积单元模型   机器学习   力学性能  

摘要： 本文针对热塑性硫化胶（TPV）的力学性能进行了深入研究，以解决其相对于传统硫化橡胶存在的弹性问题。TPV以其突出的可回收性和优良的回弹性在材料科学领域具有独特的优势，然而相对于橡胶仍面临弹性不足的问题。本研究提出了一种综合的研究方法，即集成代表性体积单元（RVE）模型和机器学习方法，用以全面研究TPV的力学响应。应用支持向量机（SVM）、卷积神经网络（CNN）和随机森林算法（RF）等机器学习模型对TPV的力学性能进行预测，并验证了模型的准确性。通过重要性分析和特征相关性分析，揭示了聚丙烯（PP）和三元乙丙橡胶（EPDM）的弹性模量比对TPV性能的重要影响，并提出相应的调节理论。该研究对于理解和预测TPV材料性能有重要意义，为材料设计和工程应用提供了深刻见解。