关键词： 多阶自复位钢桁框结构   抗震韧性   非线性位移比   脉冲型地震动   机器学习  

摘要： 为提升钢桁框结构的抗震韧性,提出了多阶自复位钢桁框结构的概念,并量化了结构在地震作用下的非线性位移需求。基于多阶自复位钢桁框结构的等效单自由度(SDOF)体系,结合182条速度脉冲型地震动,采用非线性时程分析建立了结构的非线性位移比谱,讨论了周期、阻尼比和滞回参数对非线性位移比的影响。利用机器学习中的XGBoost算法建立了非线性位移比的概率预测模型。同时,为解决机器学习中的“黑箱”问题,利用SHAP和PDP方法对概率模型的预测结果进行了解释。结果表明,非线性位移比对周期、阻尼比和滞回参数敏感。概率预测模型不仅具有较高的预测精度,还能直观反映各参数的影响规律,可用于构建多阶自复位钢桁框结构基于位移的抗震设计方法。

关键词： 产教融合   机器学习   实践能力   教学改革   华为云技术  

摘要： 分析当前机器学习课程现状,提出基于产教融合的实践能力提升路径,从课程理论和实践内容、教学方法、实践教学平台、评价方式方面入手,阐述如何确定“一主四辅”的课程理论内容、“双核和双辅”的课程实践内容,创立“案例主导综合教学法”,构建“线上线下混合式”实践平台,建立以“实践”为核心的多元评价方式,最后通过评价体系结果分析,说明教改效果。

关键词： 胆囊肿瘤   神经浸润   增强CT检查   机器学习   预测模型  

摘要： 目的探讨基于增强CT检查联合临床特征构建胆囊癌神经浸润机器学习预测模型的应用价值。方法采用回顾性队列研究方法。收集2010年1月至2024年6月新乡医学院第一附属医院收治的502例胆囊癌患者的临床影像资料;男171例,女331例;年龄为65(35~91)岁。患者均行术前腹部增强CT检查及胆囊癌根治性切除术。502例患者以7∶3比例随机分为训练集351例和测试集151例,训练集用于构建预测模型,测试集用于验证模型效能。观察指标:(1)胆囊癌神经浸润情况及影响因素分析。(2)胆囊癌神经浸润机器学习预测模型构建及评价。计数资料组间比较采用χ^(2)检验。等级资料组间比较采用Mann-Whitney U检验。单因素和多因素分析采用Logistic回归模型。纳入独立影响因素应用基于python 3.9的标准库模块构建机器学习模型,绘制受试者工作特征(ROC)曲线并计算灵敏度、特异度、准确度、曲线下面积(AUC)、精确率、F1评分、阳性预测率、阴性预测率、Kappa值评估模型的预测效能。测试集中不同模型AUC差异采用Delong检验评估,使用Hosmer-Lemeshow检验和Brier分数判断模型的校准度。结果(1)胆囊癌神经浸润情况及影响因素分析。502例胆囊癌患者中,131例有神经浸润,371例无神经浸润。多因素分析结果显示:总胆红素、癌胚抗原、CA199、CA125、中性粒细胞与淋巴细胞比值、CT检查肝侵犯、CT检查血管侵犯、CT检查肝门部或腹膜后淋巴结转移和肿瘤T分期为T3、T4期是胆囊癌患者神经浸润的独立影响因素[比值比=3.747、2.395、3.917、3.596、2.805、2.377、3.523、2.774、5.080、6.809,95%可信区间(CI)为1.890~7.430,1.154~4.971,2.054~7.472,1.807~7.155,1.506~5.225,1.241~4.553,1.666~7.449,1.483~5.189,2.050~12.589,2.552~18.168,P<0.05]。(2)胆囊癌神经浸润机器学习预测模型的构建与评价。纳入独立影响因素构建逻辑回归、K-最近邻、支持向量机、随机森林、决策树、反向传播神经网络和梯度提升机7种机器学习模型,绘制测试集ROC曲线,AUC分别为0.900(95%CI为0.851~0.948)、0.741(95%CI为0.646~0.829)、0.836(95%CI为0.762~0.895)、0.782(95%CI为0.701~0.855)、0.839(95%CI为0.770~0.901)、0.817(95%CI为0.738~0.887)、0.843(95%CI为0.770~0.909)。Delong检验结果显示:逻辑回归模型AUC最高。逻辑回归模型灵敏度和特异度分别为0.868和0.805,平衡性最佳。Hosmer-Lemeshow检验结果显示:逻辑回归模型拟合优度较好(χ^(2)=5.320,P>0.05)。逻辑回归模型Brier分数较低,为0.168,验证了其校准优势。结论总胆红素、癌胚抗原、CA199、CA125、中性粒细胞与淋巴细胞比值、CT检查肝侵犯、CT检查血管侵犯、CT检查肝门部或腹膜后淋巴结转移和肿瘤T分期为T3、T4期是胆囊癌患者神经浸润的独立影响因素。基于增强CT检查联合临床特征构建的7种机器学习模型可预测胆囊癌神经浸润,其中逻辑回归模型预测性能较佳。

关键词： 人工智能   教育   风险   公平  

摘要： 人工智能技术在教育领域的应用已成为一种发展趋势,它正在重塑教学模式、学习方式以及教育环境。文章从国内外教育背景出发,分析了人工智能技术在教育中的优势、具体应用场景及潜在风险,提出了相应的对策建议。在推进教育现代化的过程中,应关注技术与教育的结合点,平衡技术创新与教育的根本目标,以实现教育质量与公平的双重提升。

关键词： 人工智能   棉花制种   案例研究  

摘要： 为建设现代棉花育种平台,提升龙头企业的棉花制种自主创新能力,2024年度,山东省无棣县在实施“全国棉花制种大县”项目中,对人工智能技术进行了初步应用。技术应用效果分析表明,人工智能对于棉种生产效率提升显著,对棉种生产质量管控、资源追溯具有意义。以山东省绿风农业集团有限公司棉花制种生产为例,在阐述人工智能技术在棉花制种生产过程中应用状况的基础上,分析了人工智能技术应用的优势和成效,进而提出了未来发展的方向和面临的挑战。

关键词： 超材料   人工结构   超常性质   工程化   制备   人工智能  

摘要： 超材料是由人工结构构成、具有自然材料所不具备的超常性质的人工材料,有望获得与自然物质性质迥异的“新物质”,为诸多应用领域提供了变革性技术支撑;超材料的新原理、新功能实现处于爆发期,相关产业链开始萌生,而产业化、工程化进入瓶颈期,超材料当前所处的特殊阶段恰是国家战略介入的机遇期。本文总结了超材料的概念演进过程,从国际、国内两方面概要梳理了超材料的研究进展及发展趋势,从产业化方向、产业链格局、产业发展策略三方面系统凝练了超材料的产业化进展。进一步辨识了超材料产业发展面临的挑战,突出体现在制备技术、测试与表征技术、工程化技术、产业链、研发人才等方面,从人工智能(AI)技术在超材料设计中的应用、超材料在AI技术演进中的应用两方面展望了AI技术为超材料产业带来的新发展机遇。为此建议,以重点应用需求为牵引进行重大项目布局,建设国家级超材料制备、大数据与设计平台,组建国家级创新联合体并促进跨学科人才培养,在中长期尺度上精准推进我国超材料产业高质量发展。

关键词： 人工智能   脑胶质瘤   影像诊断   手术导航   精准医疗  

摘要： 脑胶质瘤是中枢神经系统的主要肿瘤类型,也是最常见的原发性颅内恶性肿瘤,其诊疗一直是医学领域的重大挑战。近年来,人工智能(AI)的快速发展为脑胶质瘤的诊断、治疗及预后带来了新的机遇。本文综述了AI在脑胶质瘤诊断、治疗和预后中的应用现状,并分析了当前面临的机遇和挑战,旨在为AI在脑胶质瘤诊疗中的进一步应用提供参考。

关键词： 智能制造   信息化   精细化运营   陕汽控股   重卡   数据贯通  

摘要： 从“手工账本”到“三流合一”,从“信息孤岛”到“数据贯通”,从“粗放式管理”到“精细化运营”……当全球汽车产业进入智能化竞速时代,作为中国重卡产业扛鼎者,有着56年辉煌历史的陕西汽车控股集团(简称“陕汽控股”)以ERP建设为起点,以“数字陕汽”为目标,跑出了重卡“智造”加速度。

关键词： 机器学习   数据开发平台   优化实践  

摘要： 本研究深入探讨了如何通过机器学习技术对数据开发平台进行自动化改进与效能优化。在审视现行数据开发环境中所面临的挑战与不足时,本研究聚焦于性能瓶颈的辨识及其诱因分析,据此提出多项改良措施。这些措施涵盖了数据预处理环节的精进、特征筛选与提取技术的应用、模型挑选及训练过程的强化以及预测与评估阶段的精准调优。目标在于借助机器学习手段,显著提升数据开发平台的运作效率及智能化程度,进而为依赖数据进行商业决策的企业提供强劲的技术支撑。

关键词： 应用化学   机器学习   火炸药   含能材料   材料设计   性能预测  

摘要： 综述了近几年国内外机器学习在含能材料领域的研究进展,重点归纳了机器学习在含能材料设计和性质预测两方面中的应用:在机器学习驱动的含能材料设计中,介绍了机器学习在分子生成方法以及辅助筛选含能分子中的应用;在机器学习驱动的含能材料性质预测中,介绍了机器学习方法在含能材料的不同性质预测中的应用,如爆轰性能、燃烧性能等。最后总结了机器学习在含能材料领域的深入应用面临的问题:含能材料相关的数据集数量和数据质量问题,并对机器学习在含能材料的应用提出了展望,认为未来含能材料的发展方向是通过机器学习结合智能机器人,建立自动化实验平台,实现“设计-预测-优化”自动化闭环优化流程。附参考文献104篇。