关键词： 人工智能   图书馆   智慧服务体系   建设策略  

摘要： 在当今时代,人工智能技术正革新着各个行业,图书馆服务领域亦不例外。本文致力于探索并构建一种新型的“人工智能+图书馆”智慧服务体系,以应对高校图书馆在智慧化转型中所面临的种种挑战并抓住随之而来的机遇,根据实际发展情况提出了一系列具体的建设策略,强调加强技术创新,不断引入新的人工智能技术,提升服务的质量和效率。同时,优化服务流程,使图书馆的服务更加便捷高效。构建“人工智能+图书馆”智慧服务体系是我国高校图书馆智慧化转型的必然趋势,提出的相关发展策略以期为高校图书馆建设提供相关参考。

关键词： 北京农学院   智慧养殖   动物福利   奶牛养殖   一线人员   科研人员   人工智能   大数据  

摘要： 随着科技的飞速发展,奶牛养殖业也已经深度进入了数字化时代的变革,奶牛场正在不断积极深挖数据分析和利用先进技术提高奶牛养殖的生产效率、降低成本、提高动物福利。为了进一步共享物联网、大数据、人工智能的发展在奶牛养殖业中的应用情况,FAO/ICAR将于2024年11月29日-12月1日在北京举办“国际智慧养殖高峰论坛”(北京农学院、北京京瓦农业科技创新中心等单位联合承办),《中国乳业》杂志特邀北京农学院郭凯军教授担任专题主编,出版“智慧养殖”专题(11期或12期),并将在会议期间进行展示。为了进一步丰富内容,诚邀相关研究领域的专家、学者、科研人员和牧场一线人员踊跃投稿。

关键词： 人工智能   教育路径   产品整合   教育资源   政治教员   精准供给   精细设计   生成式  

摘要： 当前,生成式人工智能(以下简称AIGC)已成为信息产品整合生产的重要工具。2023年以来,以文心一言大模型、讯飞星火大模型、华为盘古大模型等为代表的国产AIGC现象级产品的迅猛发展,为新时代军队思想政治教育智能化转型创造了新契机。AIGC赋能军队思想政治教育能实现教育资源的精准供给、教育路径的精细设计和教育质量的有效评估,可有效减轻政治教员备课压力,提升教育质效。

关键词： 翅荚木   傅里叶红外光谱   无损检测   机器学习   综纤维素含量  

摘要： 林产工业自动化和智慧林业的发展对无损检测手段提出了新的要求,本研究以应用潜力巨大的速生材翅荚木为原材料提出了一种综纤维素快速检测方法。该方法利用傅里叶红外光谱技术,并采用不同的光谱数据预处理方法和机器学习模型来测定翅荚木的综纤维素含量。本研究具体采用了傅里叶红外光谱作为试验数据基础,并测量了翅荚木样本的综纤维素含量及光谱数据。经过MCCV剔除异常值后,选择四种光谱预处理技术(FD/SD/SNV/MSC)对光谱数据进行预处理,并采用PCA算法对其进行特征优化。接着采用BPNN和SVR两种机器学习模型建立起综纤维素含量预测模型,并对不同的处理方法和建模方式进行评估。结果表明:采用SNV和MSC预处理的光谱数据具有较高的综纤维素含量预测能力。此外,采用MSC-PCA-SVR预测模型的预测效果最佳,决定系数为0.97,均方根误差为0.004 596,能够很好地实现对翅荚木综纤维素含量的无损检测,总体而言,基于SVR建立的翅荚木综纤维素含量预测模型预测效果最佳。

关键词： 人工智能   数字叙事   中华文化   国际传播  

摘要： 新技术背景下的数字叙事为中华文化国际传播带来了更多可能性。因此,有必要在厘清数字叙事概念的基础上,提出讲好中华文化故事的新策略,即从数字叙事的三个重要维度内生叙事、审美叙事和互动叙事来探索,以内生叙事促进文化内核与技术逻辑的融合,以审美叙事重组文化意象与数字意象,以互动叙事开拓文化故事讲述新局面,从而加快构建中国叙事体系,推进国际传播格局重构。

关键词： 自动化专业   人才培养   人工智能   国防特色   创新型人才  

摘要： 自动化是将人类从繁重危险的体力和脑力劳动中解放出来并推动生产力发展的关键技术之一,对近代科技发展的贡献无处不在。人工智能技术的飞速发展对自动化专业的人才培养提出了新要求。网络智能时代如何培养具备厚基础、宽口径、强能力、高素质的新一代高质量创新型人才是自动化专业人才培养的重要使命。北航自动化专业始建于1954年飞机设备系,数代自动化人传承红色基因、赓续初心使命,培育出一大批自动化专业的杰出人才,有力支撑了我国国防重大工程领军领导人才的队伍建设。新时代新征程,北航自动化人提出了思政与培养、艺术与专业、理论与实践“三协同”的育人理念;经过三届班子接续干,形成了具有鲜明国防特色的“养德润人、融艺启人、创新育人”的控制学科本研一体人才培养体系,开拓了我国自动化专业人才培养的新途径。

关键词： 海洋矿产资源   铁锰结核   成因分类   空间分布   机器学习  

摘要： 铁锰结核广泛分布于深海平原,储量巨大,具有商业开采潜力。利用1128个铁锰结核样本的地球化学数据和8种地质与海洋要素,采用随机森林机器学习方法,探讨结核成因分类。首先,基于Mn、Fe、Cu、Co、Ni、Mn/Fe和Fe/Co地球化学数据使用高斯混合模型聚类方法对1128个样本进行成因分类,并作为训练数据。其次,基于海底沉积速率、海水底部溶氧量和海水表面生物初级生产力等地质-海洋特征建立预测模型,将结核划分为水成型、成岩型和混合型,结果显示,模型对水成型和成岩型结核的分类精度分别为91%和66%,对混合型的分类精度较低,仅为23%。应用该模型对全球4119个铁锰结核进行成因分类,结果表明,水成型结核占71.8%,混合型占21.8%,成岩型占6.2%。水成型结核广泛分布于各大洋,而成岩型和混合型则集中在大洋中纬度地区,如东太平洋的克拉里昂-克里帕顿断裂带和东南太平洋的秘鲁海盆等。这些地区的沉积物速率、海底生物量和含氧量显著影响结核分布。尽管基于地球化学数据的分类方法更可靠,研究表明,利用地质和海洋要素及机器学习方法也可有效分类。

关键词： 金融生态系统   人工智能   数据隐私   AI技术   银行业   监管制度   可持续性   影响浅析  

摘要： 生成式AI技术的不断发展与成熟对银行工作带来了全新的机遇和挑战,银行在抓住这一发展机遇,应用生成式AI的过程当中,也面临着如何确保技术应用可持续性、保障数据隐私、维护客户信任度、满足监管制度变化等诸多挑战。生成式AI作为技术变革,是银行业在金融生态系统中谋求发展的全新途径。

关键词： 头颈部肿瘤   放疗   吸入性肺炎   机器学习  

摘要： 目的探讨头颈部肿瘤放疗患者吸入性肺炎的危险因素,通过机器学习建立预测模型并筛选最优模型。方法选取2016年5月~2023年3月福建省肿瘤医院诊治的1012例头颈部肿瘤放疗患者作为研究对象,按照3:1的比例随机分成训练集和验证集。使用最小绝对收缩和选择算子算法(The least absolute shrinkage and selection operator,LASSO)筛选危险因素。建立Logistic回归、贝叶斯网络、随机森林、支持向量机、极端梯度提升5个机器学习预测模型,并评估模型的预测效能。结果训练集中吸入性肺炎发生率为19.0%(144/759),LASSO算法筛选的4个非零系数变量分别为年龄、饮酒、肿瘤类型、吞咽困难。在训练集和验证集中,随机森林的AUC分别为0.830(95%CI:0.788~0.872)和0.870(95%CI:0.792~0.948),F1值分别为0.575和0.633,均高于其他4种预测模型。结论吸入性肺炎是头颈部肿瘤放疗患者常见并发症。在机器学习建立的5种模型中,随机森林模型的预测效果最好,为临床医护人员识别高危患者并采取积极有效的预防措施提供依据。

关键词： 锂离子电池   电化学阻抗谱   机器学习   寿命预测   数据驱动  

摘要： 随着电气化的发展,全球动力电池和储能电池的需求迅猛增加。然而,人们对电池使用安全性和可靠性的关注使得电池老化状态的精准诊断和预测成为电池界重要且富有挑战的研究领域之一。电化学阻抗谱(EIS)因其可以解耦电池内部不同频域过程常被用于电池复杂老化过程状态的解析,而通过机器学习方法不仅可以高效获取和解析EIS数据,而且可促进对电池老化和失效机制的深入理解。本文综述了近年来机器学习方法在EIS技术中的应用,重点讨论了通过机器学习获取和解析EIS数据,进而实现对电池寿命评估预测。此外,本文讨论了数据融合方法在实现电池老化行为分析和寿命预测中的前景,当前机器学习在EIS研究中存在的局限性,以及对未来基于EIS实现电池寿命预测进行了展望。