关键词： 机器学习   PCB   电路布线   A*算法   电子设计自动化  

摘要： 在现代电子工业中,提高印刷电路板(Printed Circuit Board,PCB)布线的效率和质量是至关重要的。针对现有PCB布线方法面临的效率低下和布线结果不佳的问题,提出了一种结合机器学习与经典A*搜索算法的优化技术。该方法通过训练机器学习模型来预测最佳布线路径,显著减少了A*算法的搜索空间,并提高了搜索效率。在一系列实验中,这种新方法展现了卓越的性能,将搜索空间缩减了12.9%,同时在自建的A*PCB数据集上的推理时间缩短至1.07 s,与传统A*算法相比,提速了15.1%。这一成果不仅提升了自动布线的计算效率,还保证了布线质量,对电子设计自动化领域具有重要意义。

关键词： 人工智能   思想政治教育   意识形态   风险治理   新时代大学生  

摘要： “人工智能+思政”逐渐成为思想政治教育内涵式发展的新引擎,给大学生的意识形态安全教育带来教育内容、主体、环境和方式创新发展的新机遇,同时“灰犀牛风险”也接踵而至。高校对大学生意识形态安全教育的领导权、管理权和话语权受到挑战,思政理论课教师队伍建设难度加大,思政教育立德树人的初衷使命趋于离散,致使主流意识形态的传播效果日益弱化。面对隐形风险与困囿窘境,高校需以学生为主体,社会各界需齐心协力,以道御术、以教启人、以新护航、以法治序成为纾困破局的有效途径。

关键词： 人工智能   中药质量监管   栽培种植   饮片真伪   风险评估   质控范式  

摘要： 人工智能(AI)正在以前所未有的深度重构药品质量控制体系,随着中药产业的快速发展,其质量监管问题愈发受到关注。中药的有效性与安全性直接影响到公众健康,因此,提升中药质量监管的科学性与有效性显得尤为重要。近年来AI技术在各个领域的应用逐渐深入,其中在中药质量监管中的潜力也逐渐被认可。目前,AI技术在中药的栽培种植、饮片真伪优劣鉴别、生产合规性审查、市场流通监测和风险评估检测等多个环节中展现了其优势。然而,尽管已有一些研究成果,仍存在技术应用不够普及、标准化程度低及数据共享不足等问题。本文旨在深入综述AI技术在中药质量监管中的创新应用,全面分析其有效性与未来前景,并结合国内外的研究成果,创新性地提出了“AI-数字感官-区块链”三元协同的质量控制范式,探讨未来可能的研究方向,以期推动中药质量监管的现代化进程,实现更高水平的安全保障和科学监管。

关键词： 人工智能   语文教学   技能训练   教学改革  

摘要： 人工智能技术的迅猛发展,对师范专业学生的信息化教学能力提出新要求,同时对“语文教学技能训练”课程常态化的教学方法和教学模式改革提出了新挑战。当前,该课程在教学资源使用、教学方法、技术整合、评价方式等方面都存在信息化手段缺失、信息技术应用不足的问题。本文立足于智能时代教育的数字化和智能化要求,探索“语文教学技能训练”课程在“人工智能+教育”语境中融入智能技术所进行的教学改革,构建智慧课堂,助力师范专业学生教学能力的全面提升。

关键词： 胰腺癌   弥散加权成像   表观弥散系数   病理分期   纹理特征   机器学习  

摘要： 目的基于胰腺癌患者术前弥散加权成像(DWI)的表观弥散系数(ADC)图纹理特征参数构建机器学习模型,探讨其对胰腺癌病理分期的预测价值。方法2018年2月—2022年2月郑州大学第一附属医院诊治胰腺癌患者122例,依据美国癌症联合委员会(AJCC)分期分为早期组(Ⅰ期)75例和中晚期组(Ⅱ~Ⅲ期)47例。患者术前均行腹部MRI检查,DWI选择单次激发平面回波序列,自动生成ADC图像,由2名放射科医师分别对所有患者图像进行独立分析;提取图像中直方图参数(8个)、灰度游程矩阵参数(7个)、灰度共生矩阵参数(11个)。2名医师测量参数的一致性评价采用组内相关系数,筛选出一致性良好的纹理特征参数;根据筛选出的纹理特征参数构建预测胰腺癌病理分期的支持向量机(SVM)、多元逻辑回归(MLR)、多任务学习(MTL)模型,绘制ROC曲线,评估3个模型预测胰腺癌病理分期的效能;绘制ROC曲线,评估MLR模型、ADC10、差熵预测胰腺癌病理分期的效能,AUC比较采用Delong检验。结果26个纹理特征参数中15个参数一致性良好(组内相关系数均≥0.75)。中晚期组直方图参数中均值、熵、ADC10[3.49(3.38,3.67)、4.41(4.27,4.86)、1.12(0.91,1.22)],灰度游程矩阵参数中长游程补偿、游程百分比[73.65(34.87,85.66)、0.82(0.41,0.84)],灰度共生矩阵参数中和熵、联合熵、差熵、对比度[5.65(3.81,6.19)、7.15(4.75,8.83)、3.76(3.22,4.12)、59.39(31.68,66.85)]均高于早期组[3.17(3.21,3.52)、3.85(3.36,4.13)、0.87(0.65,0.92)、53.22(32.51,76.83)、0.65(0.33,0.78)、4.27(3.74,5.36)、6.16(4.27,7.83)、3.34(3.12,3.94)、41.75(26.52,51.68)](Z=2.685~8.369,P均<0.05),灰度游程矩阵参数中短游程补偿[27.48(14.62,36.54)]、灰度共生矩阵参数中逆方差[3.52(3.38,4.17)]均低于早期组[33.21(18.29,41.47)、3.89(3.43,4.97)](Z=2.174,P=0.032;Z=2.109,P=0.037)。根据直方图、灰度游程矩阵、灰度共生矩阵中一致性良好的纹理特征参数构建预测胰腺癌病理分期的SVM、MLR、MTL模型,3个模型中选择频率前4位的参数均包含ADC10和差熵。ROC曲线分析结果显示,SVM、MLR、MTL模型以18.521、9.844、12.117为最佳截断值,预测胰腺癌病理分期的AUC分别为0.756(95%CI:0.717~0.814,P=0.018)、0.769(95%CI:0.729~0.836,P=0.011)、0.749(95%CI:0.711~0.803,P=0.024),灵敏度分别为73.60%、75.30%、74.10%,特异度分别为75.40%、73.80%、74.80%;MLR模型预测胰腺癌病理分期的AUC均大于SVM模型、MTL模型(Z=2.858,P=0.015;Z=3.461,P=0.012)。MLR模型、ADC10、差熵以9.844、0.966、3.502为最佳截断值,预测胰腺癌病理分期的AUC分别为0.769(95%CI:0.729~0.836,P=0.011)、0.681(95%CI:0.627~0.695,P=0.035)、0.655(95%CI:0.618~0.676,P=0.039),灵敏度分别为62.79%、75.30%、56.52%,特异度分别为74.68%、73.80%、72.37%;MLR模型预测胰腺癌病理分期的AUC均大于ADC10、差熵(Z=3.852,P=0.007;Z=4.133,P=0.002)。结论根据DWI的ADC图纹理特征参数构建的SVM、MLR、MTL模型均包含ADC10、差熵,MLR模型较SVM、MTL模型及ADC10、差熵预测胰腺癌病理分期的效能更高。

关键词： 人工智能   大数据   数字经济   产业协同  

摘要： 随着科技与产业的不断演进,人工智能与大数据的融合应用在数字经济产业中发挥着至关重要的作用,它们共同推动数字经济的创新与升级,优化供应链管理,提升客户体验与服务水平,并促进数字经济的可持续发展。通过分析人工智能、大数据与数字经济在不同产业领域的应用实践,提出人工智能、大数据赋能数字经济,产业协同发展的具体路径与实施策略,为数字经济的发展提供动力。

关键词： 动物符号   跨文化传播   广告创意   人工智能   文化调适  

摘要： 在广告跨文化传播中,动物符号被高频征用的现象并非偶然,其背后蕴含着生物学、人类学、社会学、心理学等学科领域的学理依据。征用动物符号同时也是一把双刃剑,倘若滥用、误用和恶用常常会引发诸多风险。AI时代的到来,开启了动物符号征用的黄金时代。借助AI赋能,建立多模态动物符号数据库,构建文化敏感监测与风险预警体系,全方位提高动物符号的创意性和趣味性,实行定制化征用与精准投放,建立多维传播效果评估与调节机制,必将使得动物符号价值最大化,从而在跨文化传播中发挥更大作用。

关键词： 人工智能   奥本海默时刻   智能向善   敏捷监管   沙盒监管  

摘要： 鉴于人工智能发展存在巨大的不确定性,如果不能适当监管和治理,人类社会很可能出现一个“反乌托邦未来”,良好监管和治理是人工智能健康发展的必要保障机制。当前,人类正进入一个巨大的不确定时代,人工智能发展已到了“奥本海默时刻”,加强人工智能监管治理刻不容缓。人工智能监管治理目标是要实现发展与安全、监管治理与国际竞争的平衡,中国人工智能监管治理既要促进国内人工智能产业安全发展,还要有利于抢占全球人工智能监管治理规则制高点。为有效实现监管目标,中国人工智能监管应坚持“以人为本,智能向善”、推进包容审慎监管、加强监管治理国际合作等基本理念。加强人工智能监管治理需结合人工智能技术发展特点,及时更新监管制度,创新监管方式,主要措施有:推进基于风险的监管方式,实行敏捷监管,推进“软法”与“硬法”协同监管,采用“沙盒监管”,建立“吹哨人”制度。

关键词： 人力资源管理   职能变革   人工智能  

摘要： 在数字化浪潮中,人工智能技术迅猛发展,深刻渗透至各行业领域,人力资源管理职能也面临着重大变革,但变革进程中却存在算法偏见影响决策公正、系统前期投入成本高昂、复合型人才短缺制约应用等问题。为此,需优化算法保障决策公平性,制定合理预算控制技术投入成本,以及加强复合型人才培养等,推动人力资源管理职能在人工智能影响下顺利变革。

关键词： 人工智能   电力物资   质量检测   卷积神经网络  

摘要： 本文提出了一种基于人工智能的电力物资质量检测系统设计方案,旨在通过机器学习算法对电力物资进行高效、精准的质量检测。系统采用卷积神经网络等深度学习技术,结合多源异构数据,实现了对物资表面和内部缺陷的快速识别。实验结果表明,系统检测准确率超过98%,缺陷识别率接近98%,漏检率低于1%,满足了电网高质量发展的需求。