关键词： 人工智能   失能   老年人   照护  

摘要： 失能老年群体的照护是老龄化社会的公共议题并引发了广泛讨论,更因持续攀升的照护成本和复杂的多维度需求给照护者带来巨大挑战。提升失能老年人的生活质量是我国目前亟待解决的问题,本文对人工智能在失能老年人群中的应用现状进行综述,为人工智能技术在我国失能老年人照护中的临床实践提供参考。

关键词： 新医科   人工智能   医学教学模式   科技融合  

摘要： 新医科聚焦于未来医疗所需的多元技能,而人工智能技术的迅猛发展,将对医学教育改革的快速推进产生积极影响。这一趋势不仅改变了医学教育模式,也满足了全能型医学人才的需求。本研究深入探讨了新医科与人工智能技术相结合的教学模式,包括其背景、应用、新教学模式的建立以及所面临的挑战和解决方案,同时也对未来的发展趋势进行了预测。通过对国内外成功案例的分析,可以看到人工智能技术在医学教学中的显著效果,这对于医学院校的教学改革有重要的参考价值。

关键词： 新技术   社交媒体   全球媒体业态   变革   人工智能  

摘要： 随着社交媒体、人工智能(AI)等新平台新技术兴起,全球媒体业态正在发生深刻变革。英国路透社新闻研究所日前发布《2025数字新闻报告》,在调查全球48个国家和地区近10万人的基础上,揭示全球媒体行业变革的五大最新动向。

关键词： EEG信号处理   MLP-Transformer   时空卷积   深度学习   人工智能  

摘要： 脑电图(Electroencephalography,EEG)信号分类在情感识别和脑机接口(Brain-computer interface,BCI)应用中具有关键意义。提出了一种参数共享的多特征图内外交互模型(Cross-map token attention,CMTA)。采用时空特征卷积神经网络(Spatial-temporal convolutional neural network,STCNN)对脑电图进行处理,生成多个脑电图特征图,每张特征图被视为一个token,传入参数共享的多模态模块MT(MLP和Transformer),其中多层感知器(Multi-layer perceptron,MLP)用于捕捉特征图内部的交互关系,Transformer则实现特征图之间的信息交互,从而提取更丰富的特征。通过一维自适应池化和全连接层构成的自适应分类器(Adapt-Classifier)完成脑电图的分类。实验结果表明,该方法在情感识别SEED数据集上的分类精度为98.86%,Kappa值为0.9829;在运动分类BCI Competition IV Dataset 2a数据集上的分类精度为81.20%,Kappa值为0.7484;在运动分类BCI Competition IV Dataset 2b数据集上的分类精度为86.55%,Kappa值为0.7352。实验结果验证了所提方法在脑电图分类任务中的优越性能,并展示了其在不同EEG数据集上的广泛适用性。

关键词： 华北克拉通   地热梯度   机器学习   地质与地球物理特征   分层建模  

摘要： 地温梯度作为表征岩石圈热状态的关键参数,其空间分布研究对于理解克拉通热结构演化机制和指导地热资源勘探具有重要意义。传统华北克拉通地温梯度研究多限于一维平面分布特征,未能充分揭示其垂向分异规律,导致预测模型精度受限。本研究创新性地构建了华北克拉通地温梯度深度分层预测模型,系统地阐明其深度依赖模式和热构造控制因素。基于全球热流数据库及前人研究成果,本研究整合了573个具有实测深度信息的地温梯度数据点,将其划分为6个深度段:<500 m,500~1000 m,1000~2000 m,2000~3000 m,3000~4000 m,>4000 m。选取居里面深度、大地热流值等13项地质-地球物理特征参数用来训练不同深度段的机器学习回归模型。研究显示:(1)模型预测性能具有显著深度依赖性,中浅部(0~3000 m)R 2>0.45,而深部因样本量减少精度下降;(2)特征重要性分析表明居里面深度与大地热流值对深部预测贡献显著(权重>40%),而磁异常和地质年代等影响较弱(<10%);(3)地温梯度三维分布呈现规律性垂向变化,即浅层高值区(>35℃/km)沿活动断裂带分布,中深层(500~3000 m)高值带自西向东迁移,与太平洋板块俯冲引起的地壳减薄区具有空间耦合性。本研究首次尝试了华北克拉通地温梯度的三维建模,其成果不仅为区域地热资源评估提供了数据支撑,更为理解克拉通破坏过程中的热-构造耦合机制提供了新的观测约束。提出的深度分层建模方法为类似构造单元的热状态研究提供了范式参考。

关键词： 人工智能   笛卡尔   康德   黑格尔   理解   自我意识  

摘要： 人工智能引发威力无比的科学技术革新,人类正处于历史发展的关键十字路口。人工智能究竟有无自我意识和理解能力,计算机的“智能”究竟从何而来,这仅从技术层面解说还不够,还需要从哲学的角度进行理论思考。本文首先从分析哲学有关人工智能的讨论说起,然后结合笛卡尔、康德和黑格尔的哲学进行探讨。有鉴于人工智能已经深刻影响我们的日常生活,本文努力将哲学分析与对生活世界的考察相结合,以求反思人工智能正反两方面的效应,正确把握人类在新质科技时代的历史命运。

关键词： 机器学习   小样本学习   分布外预测   提示学习  

摘要： 对于部署在开放环境中的机器学习模型,具备检测来自分布外(out-of-distribution,OOD)数据的能力至关重要.小样本分布外检测(few-shot OOD detection,FSOD),旨在从少量训练样本中快速学习辨识分布内(in-distribution,ID)样本和OOD数据的能力,近年来受到了广泛关注.先进的FSOD方法通过对预训练多模态大模型进行提示学习以快速挖掘判别性类别知识,提升OOD检测水平.尽管如此,此类方法从“干净”训练样本中学得的模型在面对存在背景噪声的测试样本时鲁棒性较差,容易将带有背景噪声的ID数据错误地识别为OOD数据,反之亦然.为了解决此问题,本文提出一种基于临界噪声增强的小样本分布外检测方法(near-boundary noise improved FSOD,NNI-FSOD).在训练阶段,NNI-FSOD借助多模态大模型强大的视觉-文本对齐能力,将训练样本中的图片区域划分为干净区域和噪声区域,并将噪声区域“变废为宝”用于紧致ID类别分布空间,提升OOD检测水平.在测试阶段,NNI-FSOD促使视觉-文本类别原型知识“优势互补”,以进一步提升ID分类和OOD检测性能.在多个数据集上的实验结果证明了NNI-FSOD的突出优势:平均而言,NNI-FSOD将基线方法的FPR95提升了11.05%,AUROC提升了2.24%,ID ACC提升了1.87%,最终超越先前最优方法取得最佳性能.

关键词： 黄土地震滑坡   机器学习   耦合模型   危险性评价  

摘要： 黄土高原新构造活动强烈,地震频发,加之黄土特殊的物理力学性质与粒状架空孔隙结构,易由强震诱发黄土滑坡,造成人员伤亡及经济损失。以黄土高原范围内的天水市为例,耦合统计与机器学习模型对黄土地震滑坡危险性进行评价。选取信息量(IV)和频率比(FR)模型,分别与逻辑回归(LR)、支持向量机(SVM)、多层感知机(MLP)模型耦合,得到6种耦合模型(FR-LR、FR-SVM、FR-MLP、IV-LR、IV-SVM、IV-MLP),并采用受试者工作特征曲线下方面积(AUC)、准确率、精确率、特异性、敏感度、F1值评价模型精度。结果显示:(1)作为机器学习模型的一个分支,深度学习模型(MLP)相较于传统机器学习模型(LR、SVM),在研究中展现出更优的评价性能;FR-MLP模型的AUC值高于FR-LR、FR-SVM模型,IV-MLP模型的AUC值高于IV-LR、IV-SVM模型。(2)IV模型耦合的评价结果优于FR模型耦合结果,6种模型的AUC值呈现FR-LR

关键词： 智能制造   产业学院   电气工程   智能开关   自动化控制  

摘要： 随着智能制造技术的快速发展,产业学院作为产教深度融合的创新载体,在解决技术人才短缺和推动产业升级中发挥关键作用。以黑龙江能源职业学院电气产业学院为例,系统分析其在智能制造背景下的建设路径与实践策略。通过校企协同机制设计,聚焦智能开关系统研发、自动化控制算法优化等关键技术领域,构建“需求牵引、资源共享、动态迭代”的产教融合生态体系。研究表明,产业学院通过技术驱动的人才培养模式,显著提升了人才与产业需求的匹配度,为防爆电器行业的智能化转型提供技术支撑与人才保障。

关键词： 人工智能   化学数据提取   化学反应预测和优化   化学合成路径规划   化学智能体  

摘要： 人工智能和化学领域的交叉融合正在变革化学研究范式.本文系统梳理了人工智能在化学数据提取、化学反应预测和优化、合成路径规划以及化学智能体等方面的最新进展,并结合实际应用案例,展示其辅助实验设计、提高实验效率、推动研究迈向智能化与自动化等方面的显著优势.同时,本文围绕数据困境、模型局限、实验自动化等现有挑战,探讨了未来发展方向,以期为智能化学的全链路构建提供参考和启发,进而推动新药开发、绿色合成和材料设计等领域的发展.