关键词： 电力系统及其自动化   人工智能   非侵入式负荷监测   数据生成方法   周期信号频率不变变换   时间序列生成对抗网络  

摘要： 非侵入式负荷监测（non-intrusive load monitoring, NILM）是一种无需进入每个用电器内部系统，仅在用户总线入口处安装监测设备的技术．在开展NILM技术研究时，往往需要收集大规模的用户负荷数据来证明所提出方法的普适性，此需求不可避免地带来了繁重的数据收集与整理负担．为克服该挑战，设计了一种结合周期信号频率不变变换（frequency invariant transformation for periodic signals, FIT-PS）原理与时间序列生成对抗网络（timeseriesgenerativeadversarialnetworks,TimeGAN）的混合模型，记为FIT-PSTimeGAN．针对全球家庭与工业瞬态能量数据集（a Worldwide Household and Industry Transient Energy Dataset, WHITED）中的空调、微波炉、吸尘器、冰箱和热水壶5种电器，运用FIT-PS对负荷数据集进行切割和拼接，旨在构建TimeGAN不同状态下的训练集和测试集．评估测试集的效果发现生成的波形数据与真实数据表现出高度一致性．进一步采用FIT-PS对训练得到的生成数据进行截取和拼接，生成满足测试需求的完整的单负荷波形和多负荷波形．这些生成的波形与相同状态下的真实数据进行对比，结果显示两者吻合度很高．与自回归模型和GAN模型相比，FIT-PS-TimeGAN在生成数据的性能方面表现更优．研究结果表明，FIT-PS-TimeGAN混合模型能够有效生成符合标准电器运行规律的波形和场景数据．

关键词： 稳定同位素   有机产品   机器学习   分类器   真实性鉴别  

摘要： 当前对有机农产品鉴别主要集中在认证标识检测上，尚未发现鉴别有机农产品的有效性状指标。为解决这一问题，本研究基于稳定同位素比值质谱特征值技术，选取云南省典型有机种植认证农场和相邻常规种植区，分别采集黄精、生菜、苹果农产品和土壤样本，通过判别分析（OPLS-DA）和降维分析识别有机与常规样本的差异，筛选关键指标，并利用RandomForest和XGBoost构建机器学习模型，以期建立云南高原特色有机农产品的判别方法。结果表明：有机与常规种植在农产品δ15N、土壤碱解氮等指标之间存在显著差异，农产品δ15N是最重要的有机判别因子，农产品δ13C和总氮含量，土壤δ15N和碱解氮含量是有机种植的显著变异指标。基于δ15N、δ13C等同位素特征和农产品-土壤性质参数指标构建的机器学习模型可实现有机与常规农产品有效判别，准确度超过92%。

关键词： 高分子合成   机器学习   人工智能   聚合物   生物大分子  

摘要： 聚合物为人类社会生活发展提供了不可或缺的物质基础.在研发聚合物材料的过程中,庞大的结构空间、复杂的聚合机制为建立聚合物材料的构效关系带来重大挑战.机器学习有望突破高分子合成研究的传统范式,推进新型聚合物材料的化学创制,近年来成为了高分子化学家关注的前沿领域.机器学习技术实现了反应条件、化学结构、材料性能之间潜在关联的发掘,提高了对聚合反应空间的研究效率,为反应条件优化、链结构设计提供了系统性指导.数据驱动的生物大分子结构解析是多领域关注的焦点,机器学习助力实现了蛋白质结构预测的跨越式进步,迈入了生物大分子研究的新阶段.在此基础上,结合自动化技术,发展数智化合成,进一步降低试错成本,加速聚合物材料研发,推动理论知识发展.本文对机器学习在预测聚合物性能、设计聚合物结构与合成条件、生物大分子研究中取得的重要进展进行简要介绍与讨论.目前,机器学习辅助的高分子合成研究仍面临聚合物结构表示方法有限、高质量数据稀缺、自动化技术落地合成生产困难等挑战,亟须加大研究投入,深入开展跨学科研究,发展人工智能赋能的高分子合成,推动高端材料创新.

关键词： 人工智能   未来教育   教育转型   教育重塑   智能科技时代  

摘要： 人工智能（Artificial Intelligence,AI）对传统的教育思想、理念、目的、方法、评价等带来颠覆性影响。它在为教育带来挑战的同时，也为教育创新发展带来机遇。因工业革命而构建的传统教育体系迎来最严峻的挑战，并将引发教育系统的转型和重塑，这是当前教育理论和实践中迫切需要面对和解决的问题。研究基于对AI发展的系统分析和教育发展的内在逻辑，解释了AI时代教育转型的内在因素，以及教育重塑所面对的主要问题。

关键词： 产业链供应链安全   人工智能   新质生产力   颠覆性技术  

摘要： 人工智能作为引领未来的战略性技术，可促进产业资源整合与共享，对于提升产业链供应链安全具有重要意义。以2012—2022年30个省级面板数据为研究对象，利用基准回归模型、机制效应模型探究人工智能对产业链供应链安全的影响效应，以及新质生产力在二者间的作用机制。研究发现，人工智能对产业链供应链安全具有显著推动作用，在经过多重稳健性检验后，该结论依旧成立。机制效应检验发现，新质生产力是人工智能影响产业链供应链安全的重要传导路径。进一步分析发现，人工智能对产业链供应链安全的影响具有显著异质性特征，整体呈现“东部地区>中部地区>东北地区>西部地区”的变化格局。本文研究结论不仅有助于丰富人工智能与产业链供应链安全的理论研究，而且能够为提升我国产业链供应链安全提供有益参考。

关键词： 智能决策   经验知识   案例推理   机器学习  

摘要： 在绿色建筑设计中,传统节能方案的选择依赖设计师经验,难以考量技术、成本等多维因素,决策效率受限。该文提出基于经验知识的建筑节能方案智能决策模型。通过构建含有147个绿色星级认证建筑的案例库,利用案例推理方法,根据初步设计已知属性计算余弦相似度进行相似案例检索,为目标案例提供技术方案参考;通过比较分析4种机器学习算法,以确定的技术方案为输入参数,建立基于机器学习算法的增量成本预测模型;以夏热冬冷地区建筑为例对所构建的模型进行有效性验证。结果表明:基于案例推理的建筑节能方案智能决策模型可找到最相似案例并重用其技术方案,提高了决策效率;基于极端梯度提升算法的增量成本预测模型的预测准确率最高,为72.41%。该研究所构建的智能决策模型可提高建筑节能方案的科学性与决策效率,为绿色建筑设计提供重要支持。

关键词： 兵棋推演   特征表达   态势认知   机器学习   数据集  

摘要： 当前兵棋推演态势分析困难，为了满足态势认知智能化需求，本文提出一种面向兵棋推演战场态势认知的机器学习数据集规范化构建方法。以陆军战术兵棋推演为研究对象，基于特征工程分析了其战场态势关键要素，提出一种分层栅格化的战场态势特征表达模型。采用等间隔时间关联模式对兵棋推演过程数据进行滑动切片、映射变换，解决了兵棋数据结构不统一、特征标签不均衡以及数据变换保真困难等问题，实现了样本的自动收集与存储。构建并公开了包含26万个样本的数据集MCD-SC，实验表明采用本文映射模型构建的数据集主观色彩少，数据保真效果好，数据集采集过程自动且高效，数据集一致性好。

关键词： 随机森林   对抗训练   鲁棒性   机器学习  

摘要： 近年来，可解释的树模型在对抗性攻击下的鲁棒性受到极大关注。尽管已经取得了显著的进展，但仍存在着一些问题。树模型的鲁棒训练算法虽然有效提升了模型鲁棒性，但同时伴随着训练成本的增加以及自然准确率的下降，呈现出与对抗性训练相似的局限性。为了解决这一挑战，针对随机森林模型进行实验和分析，提出一种基于分层和随机策略的鲁棒随机森林算法，该算法使用高斯衰减函数根据树的深度分层衰减分割算法中引入的扰动值，逐层递减扰动带来的负面影响，并引入基于伯努利分布的随机策略控制森林中树的划分过程，以协调模型在自然场景和对抗性攻击下的性能。旨在找到一种平衡策略，既能提升模型在面对对抗性攻击时的鲁棒性，并维持其在标准数据集上的高性能表现。在真实世界数据集上的大量实验表明，提出的算法能够在确保模型具备一定的鲁棒性的同时，显著减轻由鲁棒训练导致的准确率损失，提高模型的泛化能力。

关键词： 糖尿病肾病   机器学习   预测分析   比较研究  

摘要： 目的 分析比较基于机器学习的LightGBM和随机森林模型在糖尿病患者糖尿病肾病（DN）疾病风险预测模型中的应用。方法 利用国家人口健康科学数据中心公共数据集，应用LightGBM和随机森林两种算法建立DN疾病风险预测模型并进行分析比较研究。结果 LightGBM预测模型的准确度、AUC、召回率、精确度和F1得分分别为0.775 0、0.807 1、0.596 3、0.878 0、0.710 2，均高于随机森林模型。结论 基于机器学习的LightGBM和随机森林模型对DN具有较好的预测效果。LightGBM的准确度、AUC、精确度、召回率、F1得分均更高。临床实践中，可以运用机器学习为相关研究提供参考。

关键词： 法律计算   法律实证研究   机器学习   法律大模型   法律大数据  

摘要： 计算是人类与生俱来的重要技能。历史上，受限于计算方法与计算能力，人类仅能在特定领域展开小范围的法律计算。随着计算方法的革新与计算能力的跃升，社会科学领域的广泛计算逐渐成为可能，法律计算在法学研究领域的表达和影响愈发突出。当代我国法律计算研究呈现如下图景：计算对象上更多地使用法律文本大数据，并拓展和寻求新的数据来源；计算方法上创造性使用实验方法生成“新”数据展开研究，同时开始更多使用机器学习方法等大数据技术。着眼未来，除了要充分认识当下法律计算的局限与不完善之外，也要承认我国法律计算正处于不断发展的进程中，肯定先行研究者对拓展我国自主法学知识体系作出的探索与努力。同时，学界应继续坚定计算的信心，积极探索大模型计算等前沿的法律计算思路与方法，实现法律计算的精准量化，促进法律计算的繁荣，服务法律实践的现实需求。