关键词： 机电设备   机械式振动   振动故障   智能提取   机器学习  

摘要： 针对矿山机电设备机械式振动故障特征提取难题,开展关于智能提取方法的研究。首先,通过采用高精度传感器与同步整周期采样技术,实现对机械式振动信号的精确采集与处理。其后,在信号处理阶段,运用先进的滤波与去噪算法,有效剔除干扰信息,保留故障特征。最后,构建故障特征智能提取模型,该模型能够自动学习并识别振动信号中的故障特征,实现故障类型的准确诊断。实验结果表明:该方法能够准确捕捉振动故障特征信号,为矿山机电设备的运行维护提供有力支持。该方法不仅提高了故障诊断的智能化水平,还为矿山安全高效生产提供了重要保障。

关键词： 人工智能   财务会计   职能转型  

摘要： 随着信息技术的发展和普及,人工智能技术在财务会计中的应用越来越广泛,从根本上改变了财务会计的功能和运作方式。本文深入分析了人工智能浪潮下财务会计的现状,阐述了其在职能转型过程中面临的挑战,提出了具体的转型路径,旨在为公司财务会计职能的转型提供理论指导和实践参考,促进人工智能时代财务工作的高效运作和价值创造,提高企业的整体竞争力,更好地适应经济社会的发展需求。

关键词： 生鲜管理   人工智能   冷链物流   数据可视化  

摘要： 文章针对生鲜存储仓库管理中的高损耗率和冷链环境监控不足等问题,对基于人工智能的生鲜存储管理系统进行了设计与研究。该系统采用前后端分离架构,前端采用Vue3框架实现模块化开发,结合ECharts完成数据动态可视化交互;后端基于Spring Boot框架构建,结合MyBatis和MySQL实现数据存储与查询性能优化。通过人工智能技术实现票据信息自动提取与管理、冷链设备状态实时监控、临期商品动态预警及多维度数据可视化分析。实验结果显示,该系统在提升生鲜仓储管理效率与准确性、降低商品损耗方面取得显著成效,为生鲜行业的智能化、数字化升级提供了技术支持和实践参考。

关键词： 堆内构件振动   中子噪声   特征频段   时序信号   机器学习   统计学习  

摘要： 反应堆堆内构件的振动状态直接关系到核电的运行安全与维修节点的确定,因此如何对堆内构件振动情况进行分析和预测至关重要。本文提出了基于中子噪声特征频段时序信号的堆内构件振动预测方法。该方法从单周期与双周期2个角度,利用统计学习和机器学习模型进行预测,并结合某核电厂采集到的中子噪声信号进行实验验证。实验结果表明,分析方法上,特征频段时序信号处理能有效地利用信号中的时间信息;预测方法上,单周期预测采用统计学习模型、双周期预测采用机器学习模型的准确度更高。因此特征频段时序信号分析方法与合适的预测模型相结合能为核电厂维修节点的预测和确定提供指导。

关键词： 人工智能   护理教育   研究热点   知识图谱   可视化分析  

摘要： 描述人工智能在我国护理教育中应用的热点及未来发展趋势,为护理教育工作者利用信息技术推动护理教学改革提供参考。以CNKI数据库为数据源,检索时间为2014年1月—2024年10月,采用CiteSpace软件对纳入文献进行分析,包括发文量、发文机构、高频关键词、关键词聚类和突现。共纳入233篇文献进行可视化分析,自2018年后年发文量呈上升趋势,《中华护理教育》为发文量排名第一的期刊(20篇);吉林大学为发文最多的机构(9篇)。研究热点围绕AI赋能护理教育的实践创新、AI技术推动护理教育信息化的教学变革、AI技术引领护理教育前沿探索;研究趋势将围绕预测模型、机器学习、虚拟仿真等方面展开。在技术进步与教育需求的驱动下,AI技术在护理教育领域的研究逐渐增多并深入,然而,不同机构间的协作尚需进一步加强。未来,研究将涵盖虚拟仿真技术的广泛运用、基于机器学习的预测模型构建以及个性化学习体验的优化,为AI技术推动护理教育创新工作提供参考方向。

关键词： SWOT   人工智能   学术生态   高等教育   跨学科融合  

摘要： 目的旨在为高校利用人工智能(AI)推动生命医学研究的范式变革,促进人工智能与临床、基础和药学等学科的融合发展提供策略与建议。方法采用SWOT分析法,系统评估上海某高校(以下简称"F校")在人工智能驱动医学研究领域的优势、劣势、机会与威胁。结果F校在科研平台建设和多学科融合方面表现出显著优势,但可能存在交叉学科人才培养不足、基础设施资源受限与算法成熟度不够等劣势。国家政策支持和国际学术品牌的塑造为其发展带来机遇,但竞争加剧,学科快速融合与技术的加速迭代也构成威胁。结论高校应通过教育与科技人才的协同发展,强化基础与应用研究的融合,营造持续向好的学术生态体系,以推动生命医学领域科研范式变革,提升在生命医学领域的研究实力和影响力,更好地满足国家与社会的健康需求。

关键词： 人工智能   股票流动性   资本市场定价效率   企业价值  

摘要： 近年来,人工智能已成为推动全球经济增长的关键因素,其影响范围广泛且多维。企业作为人工智能技术的开发者和用户,在这一领域扮演着核心角色。在此背景下,人工智能对股票流动性也产生了重要影响。鉴于近年来经济下行压力加大,提高股票流动性对于提升市场效率、吸引投资者、稳定市场、促进企业发展及推动整体经济增长都发挥着至关重要的作用。从人工智能角度出发,以2007—2023年沪深两市A股上市公司为研究样本,深入探讨人工智能对股票流动性的影响、作用机理、异质性表现及二者对资本市场定价效率和企业价值的影响,旨在为企业提供结合自身资源禀赋科学制定人工智能使用策略的理论参考,并为政府积极有效引导企业人工智能的发展提供借鉴。同时,帮助企业更好地进行顶层设计,推动企业人工智能的升级和数字经济的建设。

关键词： 智能制造   数字化设计与制造专业   课程设置   教学模式  

摘要： 近年来,随着智能制造的高速发展,数字化设计与制造技术已成为推动制造业转型升级的核心力量。文章聚焦智能制造背景下数字化设计与制造专业课程设置与教学模式的创新,旨在培养具备扎实专业知识与创新实践能力的高素质数字化设计与制造人才,通过全面整合课程内容,创新教学实施方式,合理运用信息化教学手段,构建科学完善的教学评价体系,全方位考核教学效果,为培育适应智能制造产业发展需求的专业人才提供有力支撑与有益借鉴。

关键词： 棒束通道   热工水力   机器学习   相似性  

摘要： 为准确预测高雷诺数、复杂结构下堆芯流域的热工水力参数,并提高神经网络的预测精度,以快速获悉堆芯热工水力状态,本研究提出了一种新的辅助预测方法。通过对不同工况下棒束通道精细化计算结果进行分析,确定了棒束组件热工水力宏观参数与精细参数分布之间的相似性规律,并以此规律构建神经网络的输入信息,以精确预测温度、压力及速度参数。研究结果表明,本文所构建的代理模型在宏观参数测试数据上的最大均方误差为7.86×10^(-4),最小均方误差为1.39×10^(-4);在精细参数测试数据上的最大均方误差为9.39×10^(-3),最小均方误差为5.20×10^(-4),表明该模型能够准确预测堆芯的热工水力状态。此外,该代理模型在0.504 s内获取堆芯精细化热工水力参数场,数据获取效率较传统方法提升了1149倍,可为构建反应堆堆芯数字孪生体提供有效技术支持。

关键词： 机器学习   智能网联汽车   环境感知   障碍物感知  

摘要： 提出基于机器学习的智能网联汽车环境障碍物感知方法。利用多种传感器全面采集汽车周围环境的数据,并使用数据融合技术将这些多源环境数据进行整合,以提高信息的准确性和完整性。运用机器学习算法对处理后的数据进行深度分析,实现对环境中障碍物的有效检测与识别。实验结果表明,所提方法在5 m外就可以感知到障碍物,1.5 ms内就可以作出响应,且正确感知障碍物的数量最多。可以保证汽车在复杂多变城市环境中的高效、安全地行驶。