关键词： 神经建筑学   混合学习空间   人工智能   教育环境   教育空间  

摘要： 文章深入探讨了神经建筑学理念在混合学习空间中的应用,以浙江工业大学智联沉浸教室为例,从设计理念、设计原则、设计策略等多个维度进行了探索,深入分析了该学习空间的设计过程、神经建筑学理念应用及其实践效果。特别强调混合学习空间设计中的四项策略,包括赋予空间育人的身心浸润、增强虚实融合的沉浸体验、构建智能便捷的媒体设备互动及提供绿色舒适的具身支持等,从而挖掘虚拟空间和物理空间的最大协同效应,形成空间对多样化学习场景的有效支撑,为新时代学习空间设计提供理论依据与实践范例。

关键词： 信息资源管理   新质生产力   生态位   人工智能   资源整合   人才要素   创新思维   服务创新  

摘要： 自新质生产力的概念提出以来,受到众多学科领域广泛关注。当前,找准特定学科领域在新质生产力发展中的生态位至关重要,也即特定学科领域在新质生产力发展中处于什么位置、可以做些什么、发挥什么作用、达到什么效果。为此,邀请信息资源管理领域青年学者,就新质生产力发展中信息资源管理领域的生态位问题发表自己的看法,观点仅供参考。

关键词： 风险规制   新技术新应用   人工智能   合宪性  

摘要： 新技术新应用是数字经济发展的主要动力。对于人工智能等新技术新应用,我国没有采取统一立法的模式,而是针对特定技术和行业应用,出台专门的规则。我国对新技术新应用的规制经历了从最初的规制不足,到目前的及时跟进、动态均衡。在风险规制的视野下,我国的新技术新应用立法呈现出即时性、行为规制以及法律效力的溢出性等特征,具有作为预防手段、非对称监管、动态监管等结构性要素。就风险规制合宪性的一般分析框架而言,新技术新应用的立法需要满足法律保留原则、比例原则和明确性原则。

关键词： 人工智能   司法   智慧法院   算法黑箱   算法偏见  

摘要： 人的有限理性会影响法律推理的过程,使判决结果中可能带有司法偏见。而人工智能司法应用的数据中混杂着带有司法偏见的判决,其算法又以隐性的方式将这一司法偏见转化为司法判决辅助文本,该文本最终在实践中对法官的前见产生影响。通过这一过程,判决结果中的司法偏见被人工智能司法应用所承袭。为矫正这一偏见,可将反思型认知系统写入算法以筛除带有偏见的案例数据,且通过算法透明、赋予相关主体算法解释权以消除算法偏见,并在实践中确保法官独立裁判的中心地位,发挥人的主观能动性以矫正司法中的偏见。

关键词： 电力系统   网络安全   人工智能   威胁分析   防护策略  

摘要： 随着电力系统数字化转型进程的深入推进,网络安全威胁呈现出前所未有的复杂性和隐蔽性,文章系统研究了人工智能技术在电力系统网络安全领域的创新应用,构建了“监测—分析—防护—响应”的闭环安全防护体系。通过深度学习算法对网络流量、系统日志等多元数据进行智能分析,实现了对新型威胁的精准识别;设计的多层次动态防护策略显著提升了系统主动防御能力。研究表明,基于AI的智能防护系统可将威胁检测准确率提升至98%以上,平均响应时间缩短至秒级,为电力系统网络安全防护提供了有效的技术解决方案。

关键词： 机器学习   怀孕概率   预测模型   社会-心理-行为因素  

摘要： 目的选择5种机器学习算法构建模型并比较其预测孕前社会-心理-行为因素与夫妻备孕结局关联的性能表现。方法基于重庆市孕前生殖健康与出生结局队列,选取2019年1月至2022年3月年于重庆市妇幼保健院入组的志愿者资料,队列共入组5447对夫妻,以一对一问卷方式收集夫妻双方人口学和社会-心理-行为资料,共计221个变量。依据纳入排除标准,最终纳入4097对夫妇,按7∶3简单随机化法划分训练集(n=2867对)和验证集(n=1230对),采用特征分析和共线性筛除选择潜在暴露因素;考虑基层卫生机构不易开展精子质量分析,通过在训练集和验证集中同时纳入或排除精子质量,构建包含精液常规参数的特征集1和排除精液常规参数的特征集2。采用Logistic回归、朴素贝叶斯、随机森林、梯度提升机、支持向量机5种算法构建备孕结局预测模型,并采用随机搜索合并网格搜索法优化模型参数。利用精确率、召回率、FI分数、受试者工作特征曲线下面积(area under the curve,AUC)、校准曲线比较各模型预测能力,并选择最优模型,比较有或无精液常规参数情况下,问卷资料对生育结局预测能力的变化。结果特征集1共筛选得到24个变量,特征集2共筛选得到16个变量。特征集1中,梯度提升机效果较好,AUC相对较高(0.651),且F1分数表现较好(0.61);Logistic回归模型表现稳定(AUC=0.647),适合作为参照模型;随机森林(AUC=0.641)、朴素贝叶斯(AUC=0.641)和支持向量机(AUC=0.634)表现次之。特征集1中,梯度提升机验证集AUC为0.651(95%CI:0.629~0.681),预测精度为0.63,召回率为0.65,平均精确度值F1为0.61;特征集2中,其验证集AUC为0.649(95%CI:0.624~0.663),与特征集1相比未见明显降低,2个特征集校准曲线均与理想曲线接近。预测结果提示,在特征集1中,与备孕结局呈较高负相关的特征为女性年龄、男性年龄、夫妻无避孕措施1年内未怀孕;呈较高正相关的特征为女性妊娠史、精子总活力、入组前1年使用避孕措施。结论在本队列资料中对比5种机器学习算法,梯度提升机性能略优;夫妻双方共有24项因素与备孕结局关联,排除精液常规参数的简化模型性能未见明显下降。利用机器学习方法,通过社会-心理-行为问卷预测夫妻备孕结局具有可行性。

关键词： 机器学习   随机森林   模型预测   溶解氧   Pearson相关  

摘要： 【目的】作为维系生命活动的核心要素,溶解氧直接影响着水环境的质量和稳定性,溶解氧的监测在生态保护中具有重要作用。【方法】研究根据上海市最大的天然淡水湖泊淀山湖2020年-2024年水质自动监测站的监测数据,根据溶解氧与其他监测指标间的Pearson相关系数大小,筛选出特征输入变量,构建了基于Pearson相关系数的随机森林模型,并用于淀山湖的溶解氧的预测。【结果】结果表明,根据目标变量与输入变量间的Pearson相关系数大小,可以有效解决输入变量数据列的不同导致的特征重要性评分的差异。比如将水温列从数据表的第一列改为最后一列,模型的特征重要行评分变化较大,水温的重要性评分从17.8%减小到5.4%,而水温是影响水体溶解氧的最重要因素之一,改变输入顺序后,水温重要性评分最低是不合理的。同时,根据Pearson相关系数可以为模型筛选出输入变量,达到减少监测项目降低模型训练成本的目的。筛选出水温、pH、总磷、电导率、氧化还原电位、总氮、叶绿素a以及浑浊度作为输入变量。经过测试集数据验证,研究中溶解氧预测模型的纳什系数、均方根误差、均方根与标准偏差之比、以及平均绝对误差分别为0.902、0.562、0.314、0.362。【结论】模型预测的溶解氧浓度与实测浓度重合度高,预测值与实测值的相关系数为0.951,表明模型的预测精度较高、性能优秀。

关键词： 学术论文   机遇与挑战   航海教育   人工智能  

摘要： 交教研航分字[2025]1号各会员单位、全国航海教育工作者:当今时代,科技革命与产业变革浪潮汹涌,人工智能时代加速来临,对航海教育产生广泛而深远的影响,使其面临前所未有的机遇与挑战。航海教育亟须在理念、机制、模式、方法等层面转型突破,实现高质量发展。为凝聚智慧、促进学术交流,现面向学界征集学术论文,诚邀广大专家学者、教育工作者踊跃投稿,为航海教育创新发展贡献力量。

关键词： 编译原理   人工智能   产出导向教育   OBE-BOPPPS模式  

摘要： 针对编译原理课程的教学现状,分析现存问题及成因,提出以产出导向教育(OBE)及BOPPPS参与式学习相融合的内外双循环课程教学框架,阐述如何通过多模态大模型等技术定制智能化教学评价服务,实现技术、理念和课程深度融合的新型教学模式,最后通过教学实践和跟踪调查分析,说明该方法可以显著提升学生学习和解决问题能力,契合国家人才培养战略要求。

关键词： 人工智能   智慧矿山   云边协同   监督学习   AI架构  

摘要： 目前,人工智能技术在煤炭行业井下采掘机运通各领域已取得一定应用成果,但现有技术大多停留在单一场景和业务应用层面,缺少基于人工智能技术的系统级解决方案。为了提高煤矿安全生产水平,亟需实现煤矿井下采掘机运通各个系统的集成和数据共享,满足人工智能场景的数据提取与应用。为此,通过搭建云端、边侧、端边的AI节点,建立基于云边端的协同架构体系,构建基于工业环网、井下5G、工业控制数据、大数据、私有云、机器人、智能感知体的自主可控的人工智能平台,初步形成包括基础设施、AI开发框架、数据集、AI训练、AI部署、AI服务能力、业务应用自下而上的神东矿区人工智能平台架构,应用监督学习、半监督学习、迁移学习等技术来提升模型训练效率和质量,通过神东部分矿井生产现场部署的监控点采集训练数据和验证数据集,作为研究的数据对象,并将相关训练的AI模型和算法部署到煤矿安全生产的场景中,进一步提高煤矿专家系统、机器人、决策管理、安全管理和设备监测等智能化水平,以神东矿区行人不行车、工业摄像头模糊程度、主运输系统安全监测为例来验证人工智能安全生产管控平台的应用效果。