关键词： 人工智能   计算机辅助设计   DeepSeek   课程架构   教学模式  

摘要： DeepSeek作为一种先进的人工智能技术,在教育领域展现出巨大的潜力。人工智能如何赋能课程教学模式改革,是目前高等教育研究热点。目前,利用人工智能来优化课程知识、技能目标、架构模式、评价体系等仍缺少大量实践支撑,需要进行更深入的实践应用研究。本研究以印刷美术设计专业“计算机辅助设计”课程为例,通过DeepSeek来赋能课程架构设计,优化教学模式。利用DeepSeek来强化课程学习评价体系和学生个性化学习需求,最终对课程教学改革的成效进行数据统计分析。结果表明,在DeepSeek赋能下,学生对课程的学习动机和学习兴趣、学习效率和质量、自我管理能力和团队协作能力、信息获取、分析和利用能力、课程学习满意度均有了较大提升。该教学架构模式的设计应用对计算机辅助设计类课程的教学改革探索具有一定参考和借鉴意义。

关键词： 天气预报   强降水   机器学习   预报订正   奇异值分解   韶关市  

摘要： 为了准确预报龙舟水期间的强降水,为生态环境监测提供精准的降水数据,提出了适宜韶关市龙舟水期间强降水的预报订正技术。在明确研究区域的地形与汇流特征的基础上,提取龙舟水期间强降水的时间和空间特征,并以地形、汇流特征与强降水的时空特征作为参考依据,建立强降水预报订正目标函数,并通过加权集成方法对目标函数求解结果展开融合处理,获得龙舟水期间强降水预报的最终订正值。实验表明:所提方法具有较高的订正精度,可以为韶关市生态环境监测提供准确的龙舟水期间强降水预报。

关键词： 发热伴血小板减少综合征   多指标联合预测   机器学习   早期重症风险  

摘要： 近年来,发热伴血小板减少综合征(Severe fever with thrombocytopenia syndrome, SFTS)传播范围不断扩大,给公众健康构成严重威胁。目前,尚无特异性治疗药物或已上市疫苗,主要靠对症支持治疗。早期识别重症患者并实施有针对性的干预,往往是降低病死率的关键。我们将91例SFTS患者的急性期血清抗体、细胞因子和相关实验室指标联合分析,通过机器学习的方法,构建出多因素Logistic回归、随机森林、支持向量机和XGBoost四种早期患者轻重症分类模型。在变量筛选阶段,我们依次使用单因素Logistic回归,多重共线性诊断和LASSO回归筛选变量,得到IL-10、IFN-γ、IFN-α、IL-8、AST、IgM OD450、TP和LY%共8个建模变量。结果显示,在早期轻重症分类中表现最佳的是随机森林(AUC=0.889),接下来是多因素Logistic回归(AUC=0.822)以及XGBoost(AUC=0.811),而表现相对较差的是支持向量机(AUC=0.744)。此外,我们借助多因素Logistic回归识别出IFN-γ、IL-8、IgM OD450和LY%四种SFTS重症化独立预测因子。随机森林和XGBoost的变量重要性分析均表明,IL-10可能是最重要的预测因子,且IFN-γ、IL-8和AST也有较高的重要性。本研究基于血清学指标与机器学习方法开展SFTS患者轻重症分类模型的研究,为SFTS早期风险评估提供了新思路。

关键词： 人工智能   文献检索   科技论文写作  

摘要： 人工智能(Artificial Intelligence,AI)技术迅猛发展,在教育领域的应用越来越广泛。文章以文献检索与科技论文写作课程为焦点,探讨了人工智能辅助教学内容传授等方面的应用,分析了应用中的优势与挑战,旨在为提高课程教学质量、培养学生综合素养提供参考。

关键词： 信息化管理   智能化管理   肉羊养殖场   机器学习  

摘要： 传统养殖模式存在劳动力成本高、环境调控粗放、疫病防控滞后等问题,而智能化与信息化技术的引入为解决这些问题提供了新思路。通过集成物联网、传感器网络、机器学习等技术,养殖场可实现精准饲喂、环境优化、个体健康监测及全流程数据化管理,显著提升生产效率和产品安全性。

关键词： 岩爆   预测   机器学习   岩爆等级  

摘要： 岩爆预测已成为地下工程安全建设与地质灾害防治领域亟需解决的重要课题之一。为尽可能充分地考虑岩爆各种主要因素的影响,提高岩爆等级预测的准确性,本文基于多模型分步预测的思想,提出了岩爆等级主模型与辅助模型协同预测方法。同时,基于该方法研发了岩爆等级智能预测软件,并应用于南宁抽水蓄能电站,对厂房段、岔管段的岩爆倾向性进行评估。结果表明,该方法预测结果准确率高、与工程实际情况相吻合,软件简单实用,易于被工程技术人员掌握。

关键词： 人工智能   道德约束   设计者路径   学习者路径   道德底线  

摘要： 人工智能发展引发的担忧恐惧根源于人类存在受到威胁,其极端化是人类毁灭(生物上或者文化上)。人工智能道德化是解决人工智能威胁的目标,没有最高纲领但有最低纲领。实现人类的完美道德不是可欲的最高纲领,而最低纲领则是实现人类和人工智能共存发展的道德框架。实现目标有两条路径:自上而下的设计者路径试图将人工智能纳入人类道德之中;自下而上的学习者路径则试图让人工智能学习道德并建设一个包含非人类主体的道德社会。无论设计者路径还是学习者路径,最低纲领都是必须捍卫的道德底线。这一底线在人类社会中是道德金律,而在包括非人类道德主体的社会中必须扩展包含相互理解原则的道德金律。

关键词： 露天矿边坡   锚索预应力损失   人工智能   时序预测   长短期记忆网络   加权平均优化算法   蠕变耦合理论  

摘要： 针对边坡锚索预应力长期损失预测中传统理论模型因线性化假设导致的动态扰动适应性不足的问题,提出了一种基于加权平均优化算法优化长短期记忆网络的WAA-LSTM集成预测模型。以露天矿边坡锚索预应力监测样本数据为基础,结合LSTM时序建模与WAA超参数优化构建WAA-LSTM集成预测模型,为验证其效果,将该模型与其他模型进行对比,并在此基础上利用该模型构建递归预测框架,预测后续2个月的未知锚索预应力。研究结果表明:相较于传统模型(LSTM、BP神经网络、PSO-LSTM)和H-2K蠕变理论模型,WAA-LSTM模型的预测结果在MAE、MAPE、RMSE和R^(2)等指标上均表现最优。其中,MAE较LSTM模型平均降低了51.1%,RMSE较PSO-LSTM模型平均降低了35.6%,R^(2)最高可达0.9847,说明WAA-LSTM模型对极端偏差具有更强的控制能力,能够很好地解释和拟合锚索预应力的长期变化规律。同时,构建的递归预测结果显示,后续2个月预应力波动幅度稳定,符合锚索时效损伤与外部扰动耦合机理。研究表明,WAA-LSTM模型预测结果与实际结果相吻合,与同类方法相比,其准确性和工程适用性更好。研究结果可为露天矿边坡锚索预应力长期损失预测提供参考。

关键词： 人工智能   教学资源制作   个性化学习   “直播电商基础”课程  

摘要： 人工智能凭借其强大的数据处理、自然语言处理和机器学习等能力,为教育资源的生成、优化与传播提供了全新的解决方案。文章以职业学校“直播电商基础”课程为例,探讨了人工智能在教学资源制作领域的具体应用场景,分析了人工智能在职业学校“直播电商基础”课程教学资源制作领域面临的挑战,并提出相应的优化策略,推动教育资源制作向更加智能化、个性化的方向发展,为电商专业课程提供高效、高质的教学资源支持。

关键词： 人工智能   新质生产力   动态QCA   TOE框架  

摘要： 以中国30个(因数据缺失,未包含西藏和港澳台地区)省份为样本,运用技术-组织-环境(TOE)框架与动态定性比较分析(QCA)方法,研究人工智能要素对新质生产力提升的协同效应。结果发现,六个前因条件均为非必要条件,智能组织能力的缺失为高新质生产力的核心障碍;识别出形成高新质生产力的能力驱动-金融协同型、技术驱动-能力协同型、能力驱动型、能力驱动-政府协同型和组织主导型五种组态路径;根据组间和组内一致性分析结果,部分年份一致性存在波动,不存在明显的时间效应和案例效应,结果的解释力度较强。据此,提出多维度综合施策、针对不同组态类型定制具体策略、保持政策连续性和稳定性以及聚焦组织能力核心,旨在提升我国新质生产力的发展。