关键词： 波普艺术   人工智能   艺术创作   融合创新   算法伦理  

摘要： 人工智能(artificial intelligence,AI)技术的发展为艺术创作带来了新的可能。聚焦波普艺术与AI技术的融合,分析了波普艺术与AI技术的内在关联性,阐述了AI介入艺术创作的当代价值,探讨了中国语境下波普艺术的本土化转型,剖析了图像生成技术的艺术性局限、算法伦理与创作主体性冲突、技术应用壁垒与适应性困境等问题,并从图像生成技术的艺术化应用、算法伦理与艺术原创性的平衡、技术赋能与艺术家能力提升等方面提出了AI赋能波普艺术创新的实践策略,以期为推动AI技术与艺术创作的深度融合提供参考。

关键词： 人工智能   算力   RDMA网络  

摘要： 人工智能算力中心作为承载大规模计算任务的基础设施,其网络建设的合理性与高效性直接关系到算力资源的利用效率和业务的稳定运行。本文以某科技产业园区人工智能算力中心网络建设为背景,深入探讨了人工智能算力中心网络建设的关键技术、架构设计、优化策略及发展趋势,提出了适用于人工智能算力中心的网络建设方案。

关键词： 人工智能   新闻传播   蝴蝶效应  

摘要： 本文深入剖析了人工智能在新闻传播领域所引发的“蝴蝶效应”,系统阐释了其广泛且深远的影响。围绕人工智能在新闻传播中的具体应用展开讨论,全面梳理了其应用过程中现存的问题以及潜在的风险。在此基础上,针对性地提出了一系列切实可行的对策建议,旨在推动人工智能在新闻传播中的科学化、规范化应用,为后续相关研究提供具有参考价值的思路与方向。

关键词： 人工智能   数字化转型   生产效率  

摘要： 本文探讨了“人工智能+”对国企数字化转型的推动作用。阐述了人工智能(大模型)的概念以及国家“人工智能+”政策,分析了国企数字化转型的必然性及其路径。以天津渤化永利化工股份有限公司设备运维中人工智能技术的应用为案例,揭示人工智能在提升设备管理效率、降低成本等方面的成效,总结了其在推动国企数字化转型过程中,对于提高生产效率、优化管理决策、创新业务模式、强化风险防控以及助力人才管理等方面所发挥的重要作用。

关键词： 电子政务   回复质量检测   大语言模型   机器学习   特征工程  

摘要： 为了克服传统政务平台回复的人工质量检测难以满足庞大市民政务需求的问题,以及以文本特征为主的机器学习方法缺乏可解释性的问题,研究采用了一种结合大语言模型(large language models,LLMs)和机器学习(machine learning,ML)模型,并以非文本特征为主的政务回复质量检测算法框架。实验表明该算法能达到比其他单一使用LLMs或ML的方法更高的准确度,接近政务问答质量的人工判断结果,并且收敛速度快,训练成本更低。同时采用SHAP(Shapley additive explanations)框架提高了该方法的可解释性,结合八种非文本特征的重要性和对最终结果的贡献度,识别出影响政务问答质量的关键因素和特征作用机制,以此筛选得到高质量回复和提高平台服务质量,增进市民对政务问答平台的满意度和信任度。

关键词： Jaccard算法   机器学习   同义词转换   文本相似度  

摘要： 由于文本数据呈现爆炸性增长,文本相似度检测在大数据时代具有广泛的应用和意义,基于Jaccard算法的机器学习文本相似度检测,能更准确地检测文本相似度,并能够考虑到同义词、停用词等因素对计算结果的影响,这种算法在新闻摘要自动提取、文本去重、文本分类等场景中具有重要意义。该系统能够实现对于读取本地文本和手动输入文本的相似度检测,通过将多种算法结合,借助Python强大的开源库和工具,利用丰富的词库资源,可以提高文本相似度检测的精准度。

关键词： 低空经济   技术创新   动态能力   资源依赖   fsQCA   机器学习   A股上市公司   中国  

摘要： 【目的】针对低空技术创新的复杂性、颠覆性、立体性和前瞻性所带来的技术管理难题,揭示企业低空技术创新的内外协同机制,为新兴产业的技术布局与政策制定提供理论与实践指引。【方法】整合动态能力理论与资源依赖理论,选取中国2023年参与低空技术创新的296家A股上市公司为样本,运用模糊集定性比较分析(fsQCA)与机器学习方法,探究企业低空技术创新的多元组态路径。【结果】研究发现:①低空技术创新存在政策引导型、校企依赖型、校政依赖型、创新联合型和自主突破型5类等效组态,其核心驱动机制体现为动态能力与外部资源的非线性协同和动态转化;②权变分析表明,数智化转型、组织冗余和企业规模较大时,会通过强化内部能力或重构外部依赖关系,影响创新模式选择;③机器学习结果验证了fsQCA结果的稳健性,揭示了创新能力、政企关系与校企关系的关键作用。【结论】企业低空技术创新需基于内部能力与外部资源的精准匹配和有效协同,综合考虑权变因素,依据自身资源禀赋与外部环境动态灵活地选择适合自身的创新模式。

关键词： 医学遗传学   遗传性状分析   人工智能   教学改革   多源数据整合  

摘要： 遗传性状分析在医学遗传学教学中起着举足轻重的作用,但传统遗传性状分析环节主要通过课堂讲解和问卷调查的方式进行,其存在数据收集与处理低效、模式识别与关联性分析局限以及多源数据整合技术壁垒等问题,严重影响教学效果与学生的学习体验。随着人工智能(artificial intelligence,AI)技术的迅猛发展,深度学习、自然语言处理及计算机视觉等AI技术为遗传性状分析提供了革命性的技术支撑。通过构建“数据获取-智能分析-课堂应用”三位一体的AI辅助教学体系,并进行临床医学专业学生及亲属群体实证研究,使AI技术在遗传性状分析教学中的显著优势得到了验证。教学实践表明,AI辅助教学显著提高了学生的学习兴趣、知识掌握程度及科研实践能力。学生反馈积极,认为AI技术显著提升了遗传性状分析的效率,并帮助他们更容易理解遗传关联的复杂机制。同时,AI辅助教学也实现了教学创新,包括技术创新突破、教学模式创新以及教学价值体现,为医学遗传学教学改革提供了新思路与新方法。

关键词： ABR波形   ABR分类   机器学习  

摘要： 听性脑干反应(auditory brainstem respinse,ABR)是一项评估患者听力的客观的电生理测试,对其结果的解读主要是波I到波V潜伏期以及反应阈值的识别。波I到波V的潜伏期对临床医生判断患者听觉神经通路状况有重要的参考价值,因此这项检查结果的准确解读尤为重要,但目前ABR结果的分析完全依赖于听力师的人眼识别和解读,经验不足的听力师对其波形解读存在一定困难。为了解决这个问题,许多学者提出使用机器学习(machine learning,ML)模型来客观解读ABR结果,机器学习有着强大的学习能力,可以独立完成一份客观且准确的ABR结果解读,它为ABR结果的客观准确解读带来了曙光。

关键词： 服务器内存   故障容错   故障检测   健康监测   机器学习  

摘要： 内存作为服务器中的核心部件,随着内存技术的持续迭代与性能的显著提升,其可靠性问题已成为影响服务器整体稳定性不可忽视的关键因素。回顾了内存技术的演进历程、结构特性及其发展对服务器性能的直接影响,深入剖析了内存故障模式的多样性与深层次复杂性。进一步地,详尽探讨了故障检测与处理的最新技术进展,特别强调了内存纠错码和内存故障容错技术的重要作用,并聚焦于内存风险单元预测技术的前沿探索,尤其是结合确定性规则或机器学习算法的内存故障预测方法。在此基础上,对当前内存可靠性领域面临的核心挑战进行了系统性分析,并前瞻性地展望了未来研究方向,涵盖内存老化精准预测、健康状态实时监测及机器学习在预测分析中的深度应用等关键领域。最终强调,在追求服务器内存性能极致化的同时,必须并行提升其稳定性与可靠性,以适应日益增长的服务器性能需求,为内存可靠性技术的未来发展提供了宝贵的实践指导与理论参考。