关键词： 烟花爆竹   材料检测技术   原材料质量管控   智能制造  

摘要： 当前,原材料质量问题已成为阻碍烟花爆竹行业安全生产的主要因素,其中硝化纤维素违规替代单基粉的现象尤为突出。因此,从安全环保视角,系统研究了烟花爆竹行业新材料检测检验技术的现状与发展趋势。针对当前标准体系存在的局限性,研究重点探讨了以傅里叶变换红外光谱、拉曼光谱、X射线荧光光谱为代表的新型检测技术在原材料鉴别与性能评估中的应用成效。同时,深入分析了智能制造技术在生产自动化、检测智能化和管理数字化领域的创新实践,并从标准体系完善、全流程源头管控、新材料应用等维度提出了系统性解决方案。

关键词： 急性ST段抬高型心肌梗死(STEMI)   经皮冠状动脉介入治疗(PCI)   急性肾损伤(AKI)   机器学习  

摘要： 目的构建并验证基于机器学习算法的模型,以预测急性ST段抬高型心肌梗死(STEMI)患者经皮冠状动脉介入治疗(PCI)术后急性肾损伤(AKI)的发生风险。方法纳入2020年1月至2023年6月期间接受PCI治疗的2315例STEMI患者,其中306例(13.2%)发生AKI。采用LASSO回归对基线变量进行特征筛选,并通过10折交叉验证选择最优λ值,确定与AKI相关的变量。随后,构建了8种不同的机器学习模型,并评估其预测性能。使用SHAP值分析关键变量对模型预测结果的影响。结果LASSO回归筛选出7个与AKI显著相关的变量,包括年龄、多支病变、术前肌酐、心力衰竭、白细胞计数、血红蛋白及白蛋白水平。在所有模型中,轻量梯度提升机(LGBM)和极限梯度提升(XGB)预测性能最佳,训练集AUC分别为0.899(95%CI:0.877~0.921)和0.893(95%CI:0.868~0.918),验证集AUC分别为0.809(95%CI:0.763~0.856)和0.871(95%CI:0.833~0.909)。SHAP分析显示,白蛋白、年龄、术前肌酐和白细胞计数是AKI风险的主要影响因素。结论本研究成功构建并验证了基于机器学习的预测模型,可有效识别STEMI患者PCI术后AKI风险,为临床决策提供了有价值的辅助工具。

关键词： 人工智能   新闻主播   核心竞争力   机遇   挑战   提升建议  

摘要： 人工智能技术的快速发展对新闻主播行业产生了深刻的影响。一方面,AI主播的出现加剧了行业竞争;另一方面,融媒体与人工智能的深度融合为传统新闻主播带来转型契机。基于此,本文首先阐述新闻主播的角色转变与核心价值,其次分析AI主播的现状及发展,再次探讨人工智能时代传统新闻主播面临的机遇与挑战,最后提出人工智能时代传统新闻主播提升核心竞争力的建议,以期为传统新闻主播的转型提供理论支撑与实践参考。

关键词： 人工智能   小学体育   教学改革   个性发展   教育现代化  

摘要： 随着教育数字化进程的加快,AI技术逐渐融入基础教育的各个环节,推动小学体育教学方式的深度变革。借助AI技术的感知分析、智能反馈和数据整合能力,体育课堂在教学内容、组织形式、评价方式等方面呈现出显著的智能化趋势。AI不仅提升了课堂效率和教学精准度,也为学生个体差异化发展提供了有力支持,激发了学生参与体育活动的积极性与主动性。文章通过梳理AI在小学体育教学中的典型应用,探讨其对教学改革的推动作用,并展望其未来发展前景,旨在为小学体育教学的现代化建设提供理论参考和实践方向。

关键词： 银河系盘   红巨星分支恒星   化学丰度   机器学习   星表  

摘要： 利用来自APOKASC-2具有高分辨率光谱参数的高精度星震学红巨星分支恒星(RGB)作为训练样本,开发一种准确测定红巨星分支恒星化学丰度的方法。通过采用GBDT算法和基本大气参数组合T_(eff)、log g、[Fe/H],成功地预测出[C/Fe]、[Mg/Fe]、[Ca/Fe]、[Ni/Fe]4种化学丰度。结果显示:在测试集上得到的绝对误差中位数介于0.02~0.04 dex,与其他研究相比,此方法具有可行性。此工作为将来推广该方法测定红巨星分支恒星化学丰度提供了阶段性验证。

关键词： DeepSeek + 医疗   人工智能   大语言模型   情感分析   LDA主题模型   用户使用意愿  

摘要： 近年来,人工智能在医疗方面的应用越来越广泛,2025年1月掀起了国产大模型DeepSeek的热潮,全国多家医院陆续接入了DeepSeek技术,如西安国际医学中心医院,该技术的接入可以提升诊断效率及就医体验。随着DeepSeek大模型在医疗领域广泛部署,其应用效果引发关注,但针对用户情感态度与使用意愿的系统研究仍然缺乏。为此,本研究采用Python爬虫从抖音平台采集4000余条评论,经数据清洗和分词处理,使用TF-IDF提取文本特征,构建Transformer情感分析模型,并运用LDA模型提取评论主题。结果表明,评论情感以正面为主,多数用户认可“DeepSeek + 医疗”的诊断准确性与便利性,但少量负面评论涉及隐私、安全及AI可靠性顾虑。LDA分析识别出智能医疗、就医服务、医疗变革、诊疗方案四个主要主题。据此提出提高诊断精准度、优化用户界面和加强隐私保护等建议,以提升用户信任度和使用意愿。

关键词： 低空经济   eVTOL   人工智能   计算机视觉   飞行安全  

摘要： 随着低空经济的兴起,电动垂直起降飞行器(eVTOL)的应用更加广泛,其飞行安全保障至关重要,有待加强相关应用研究。通过分析大量相关文献,从eVTOL本身的效能可靠性、应用规程的安全性和飞行数据传输的安全这3方面进行深入剖析,梳理了可能面临的数据安全、复杂环境感知决策、计算资源限制和多智能体协同挑战等问题。最后对人工智能在eVTOL安全应用的未来发展趋势进行预测,为后续研究与实践提出技术研发重点、标准法规完善及行业合作等建议,旨在全面展现人工智能保障eVTOL运用安全的应用全景,为其进一步发展提供参考。

关键词： 分子动力学模拟   人工智能   构象系综   构象动力学   深度学习   人工智能驱动的科学研究  

摘要： 分子动力学模拟是解析复杂分子体系结构、热力学和动力学性质的重要工具,但其应用受限于计算效率,模拟和真实过程的时间尺度往往存在落差.随着深度学习技术的飞速发展,利用人工智能加速分子动力学模拟成为可能.本文探讨了人工智能在不同层面上实现加速的潜力:时域加速突破步长限制,序列加速捕捉构象跃迁,空间采样优化构象遍历.我们也讨论了现有方法在物理一致性与跨尺度适应性方面的诸多困难与挑战.未来,多尺度方法与物理约束框架的有机融合,有望协同提升精度、效率与可解释性,推动分子模拟智能化发展,并进一步拓展其在机制解析与筛选设计上的应用潜力.

关键词： 高光谱成像技术   掺配比例   波段选择   机器学习   回归分析  

摘要： 针对目前卷烟生产线缺乏快速检测烟丝掺配比例方法的问题,利用高光谱成像技术和机器学习方法,采集不同掺配比例的混合烟丝光谱数据,探讨单一及组合预处理方法对模型构建效果的影响。采用偏最小二乘回归(PLSR)和支持向量机回归(SVR)建立回归模型,并利用最小角回归(LARS)、连续投影算法(SPA)、竞争性自适应重采样(CARS)及遗传算法(GA)进行特征波段选择,建立简化模型。结果表明:不同预处理方法的单一或组合使用均会影响回归模型的精度,其中小波变换与SG滤波联用(Wave+SG)方法相比原始数据将平均绝对百分比误差(MAPE)降低了1.2%;基于Wave+SG-GA-PLSR建立的回归模型表现最佳,其在两组分掺配中的训练集和测试集MAPE分别为1.415%和1.531%;基于两组分掺配建立的方法同样适用于多组分掺配,在三组分和四组分的预测集中,MAPE均低于8.3615%。高光谱成像技术结合机器学习方法能够较为准确地预测混合烟丝中各组分的掺配比例,可为烟丝掺配均匀性的在线监测及卷烟生产过程的质量控制提供参考。

关键词： 人工智能   竞技体育   科技伦理   数字体育   精神异化  

摘要： 人工智能技术的革命性突破正推动竞技体育实践模式发生深层次范式革新,其在训练监测智能化、战术决策动态化及赛事管理精细化等关键领域的全方位渗透,引领现代竞技体育迈向跨越式发展的新纪元。人工智能技术赋能竞技体育领域的伦理挑战主要体现在人工智能应用无序致使赛事公平受损,人工智能技术依赖引发体育精神异化,数据滥用构成隐私权益威胁。为了应对上述伦理挑战,应构建竞技体育应用的边界框架,设定准入条件与普惠原则遏制技术滥用;构建竞技体育应用的治理体系,强化体育科技伦理教育和制定相应制度予以约束;完善数据监管和隐私保护机制。通过寻求人工智能技术革新与伦理约束间的动态平衡,为新时代人工智能赋能竞技体育高质量发展提供理论支撑和实践路径。