关键词： 纺织高等教育   科技创新   人才培养   新质生产力   智能制造   绿色低碳   产教融合  

摘要： 守正创新、立德树人是中国纺织教育发展新征程与核心理念。近年来,中国纺织工业发展态势良好,规模总量和发展质量显著提升,纤维加工总量稳定在6 000万吨以上,2020—2023年纺织服装出口总额连续4年超3 000亿美元,对世界出口总额增长贡献率超50%。我国纺织行业正朝向创新引领的高端纺织、数实融合的智慧纺织、低碳转型的绿色纺织、开放合作的全球纺织产业跃迁。纺织产业的新兴发展趋势对纺织科技人才培养提出了更高要求。2023年,我国高等教育总投入1 7640亿元,比上年增长7.6%;我国在国际高水平期刊上发表论文数量占全球总量的33.6%,论文发表数量和被引用次数均居世界首位。截至2023年,我国纺织高等教育院校约300所,普通高职本科院校纺织类专业点数10个,高职专科院校纺织类专业点数572个。在2023“软科世界一流学科排名”中,纺织科学与工程学科全球排名前四的院校均在中国。我国已构建起一个学科门类完备、覆盖领域广泛的纺织教育体系。为适应行业发展变革对人才供需、学科建设、产教协同的需求,提出通过教育范式智能化、学科内容融合化、专业体系时代化,持续推进系统性、整体性、协同性的教育变革与实践。坚持全面发展,培育高质量人才,牢记育人育才使命,把握教育属性,推动全面发展,培养多种人才助力科技发展;坚持与时俱进,完善学科体系,做好学科专业工作;坚持统筹协调,优化教育生态,推进协同改革,深化教育综合改革,促进产教融合等;坚持开放融通,整合全球资源,加强国际交流合作,参与全球教育治理。以教育现代化支撑纺织产业体系建设。

关键词： 影像分类   感染性肾结石   深度学习   机器学习   放射组学  

摘要： 目前，术前肾结石的种类主要依靠人工进行识别，这种依赖人工知识的方式将直接导致分类准确率不高以及诊断结果不统一的问题。对此，本文提出了一种基于放射组学与深度学习相结合的肾结石种类识别框架，以期在高准确率的基础上实现自动化的术前肾结石种类识别。首先，该框架使用放射组学方法提取三维（3D）卷积神经网络浅层输出的放射组学特征，并将提取的放射组学特征与卷积神经网络中的深层特征相融合。然后，将融合特征经过正则化以及最小绝对值收敛和选择算子（LASSO）处理。最后，利用轻量级梯度提升机（LightGBM）进行感染性和非感染性肾结石的识别。实验结果表明，本文提出框架的术前肾结石种类识别准确率达到了84.5%。该框架可以有效地识别出感染性肾结石与非感染性肾结石，并为术前肾结石治疗方案的制定和术后患者的康复提供有效帮助。

关键词： 暂态稳定评估   机器学习   可解释性   沙普利加性  

摘要： 随着新能源和电力电子设备的大规模并网，新型电力系统安全稳定特性面临严峻挑战，数据驱动方法为建立暂态稳定评估模型提供了可行思路，而模型自身的黑箱性决定了其决策依据的不可知，成为限制其在线应用的关键因素。针对以上问题，本文提出基于改进XGBoost的电力系统暂态稳定评估模型及其可解释性方法。一方面，通过提升XGBoost模型对决策边界样本的学习能力，在满足评估速度要求的前提下显著提升了模型的暂态稳定评估精度。另一方面，为提高评估结果的可解释性，本文基于沙普利加性原理提出特征—样本可解释方法，对模型的评估结果进行归因分析。在IEEE 39节点和某省级电网仿真结果表明，所提方法相较于传统模型具有更高的评估精度，同时具备良好的可解释能力。

关键词： 人工智能   大语言模型   高血压   结构化数据库  

摘要： 目的 针对高血压诊疗过程中生成的大量非结构化数据，基于Yi-9B大语言模型构建高血压结构化数据库，提升数据管理效率并为临床决策提供支持。方法 提取2014年1月至2023年12月本院114434例高血压患者病历中的关键临床信息，使用Yi-9B模型进行实体识别与数据结构化并设计数据库架构用于统计分析和临床应用。结果 数据库结构化处理后，收缩压和舒张压均值分别为(149.98±20.55)mmHg和(86.90±13.75)mmHg。按血压水平分类，高危正常高值、高血压1级很高危和高血压2级很高危比例最高，占20.72%、27.78%和19.58%。52.64%的患者合并心脏疾病，10.18%合并糖尿病，12.71%合并高脂血症。Logistic回归分析显示，50至70岁为高发年龄段，且随年龄增长，收缩压呈上升趋势，反映高血压在老龄化中的普遍性。该数据库在临床应用中显著提升了诊疗效率，实现了数据的高效分析和管理。结论 基于Yi-9B模型的高血压结构化数据库有效处理了非结构化数据，显著提升数据提取和管理效率，该数据库有助于优化诊疗决策、提高管理效率，为智能化管理和个性化诊疗提供支持。

关键词： 需水量预测   Cite Space   影响因素   机器学习  

摘要： 【目的】综述河道外需水量影响因素及预测方法，有利于为水资源规划与管理提供支撑。采用Cite Space分析梳理河道外需水量的影响因素和预测方法。人口、水价、降水量和气温是河道外需水量预测研究中普遍考虑的影响因素；机器学习在河道外需水量预测中的应用是当前的研究热点；机器学习和回归分析法常考虑多个影响因素，定额指标法常用于实际管理，时间序列法多与各类方法进行组合修正以弥补自身的局限性，组合预测模型能够取得较高的预测精度。随着遥感地理大数据、人工智能和机器学习算法的发展，更精细空间尺度的河道外需水预测成为可能，未来需进一步加强需水预测结果合理性的论证和历史统计数据准确性的控制。

关键词： 负荷预测   人工智能   机器学习   深度学习   新型电力系统  

摘要： 为实现碳中和目标，新型电力系统正向绿色化、智能化和多样化转型。负荷预测对保障新型电力系统安全、经济和可靠运行至关重要。尽管传统数理统计方法在规律性明显的负荷数据预测中表现良好，但在新型系统中，高比例可再生能源和随机性用户负荷使数理统计方法面临挑战。人工智能技术，尤其是机器学习和深度学习，因其在处理复杂数据和提取模式方面的优势，成为研究热点，有效提升了负荷预测的准确性和鲁棒性。在此背景下，该文回顾了基于数理统计原理的负荷预测方法并讨论了其局限性，总结了人工智能技术在负荷预测中的最新应用进展，分析传统机器学习、深度学习及组合预测模型的应用特点。针对区域系统级负荷预测场景、高比例新能源场景下的净负荷预测场景、多类异质能源协同互补场景下的综合能源系统负荷预测场景、建筑负荷预测场景以及电动汽车负荷预测场景这5类场景下的负荷预测技术难点和关键技术应用进行归纳和总结，对未来负荷预测技术的发展方向进行了总结和展望。

关键词： 人类学习   机器学习   语言   生成式人工智能   人机共学  

摘要： 语言提供了超越对话的审视机器学习与人类学习的更高维度,是生成式人工智能时代从机器学习走向人机共学的桥梁。基于已有文献,本研究从语言视域比较人类学习和机器学习的同一性与差异性,以把握二者的本质。本研究认为,人类学习与其镜像机器学习之同一性表现为二者均是对我与世界的解码与编码,是我与我、我与他者的交互,是创建知识链接与脑的重塑,是多模态转换的输入与输出。人机学习的差异性在于人类“为己之学”对机器“为人之学”的超越、人类“大写之学”对机器“小写之学”的超越、人类“具身学习”对机器“离身学习”的超越、人类“德性学习”对机器“无德学习”的超越。鉴于此,本研究提出建构应然样态的人机学习未来:从语言生活中人机共存到人机共学、从我与他者的人机对话到人机共智、从人类文明的语言规约到人机共善。本研究可为人类学习与机器学习提供语言视域下的新理解与新阐释,对推动机器与人类的共同发展与进化、构建和谐的人机关系具有启示意义。

关键词： 人工智能   图书馆数据管理体系   构建方案  

摘要： 随着大数据云计算互联网移动传输网络技术的深度推广和高效应用,需要图书馆借助人工智能技术将图书馆的未来工作重点放置在数据管理体系的有效构建方面,依托智能技术实现对图书馆数据的深度分析、高效汇总以及深度挖掘更好地开展读者服务,充分发挥图书馆的服务职能,并助推图书馆服务工作向着数字化方向转变。本文主要结合实际工作经验,探讨了基于人工智能的图书馆数据管理体系的构建方案,希望通过研究对广大同行有所借鉴和帮助。

关键词： 人工智能   专利授权   科技向善   科技伦理  

摘要： 随着新兴产业兴起,专利申请数量增长,专利授权审查逐渐出现“轻伦理化”倾向,人工智能时代,由于算法黑箱和技术黑箱的存在,增加了专利审查授权的不透明性和误差性,一项不符合科技伦理专利的授权会对社会各方面产生不利影响。在科技向善原则下,应重新审视我国人工智能领域专利授权审查制度,完善我国专利授权伦理审查制度,促进人工智能产业的发展。

关键词： 人工智能   颈椎病   机器学习   深度学习   卷积神经网络  

摘要： 颈椎病是一种常见的脊柱退行性疾病,严重影响患者的生活质量,并可能导致严重的并发症。准确诊断和早期干预对于改善患者预后至关重要。然而,传统的诊断方法在精确性和效率方面存在不足,主要依赖于医生的主观判断和经验,容易导致误诊或漏诊。人工智能(AI)技术近年来在医学诊断领域展现出巨大的潜力,特别是在医学影像分析和病变识别方面。AI技术通过深度学习算法,如卷积神经网络(CNN),能够自动分割和识别影像数据中的病变区域,大幅提高了诊断的准确性和效率。本文综述了AI在颈椎病诊断中的最新研究进展,探讨了其在提高诊断精度和个性化治疗方面的应用潜力,同时分析了当前存在的挑战和未来研究方向,以推动AI技术在颈椎病诊断中的进一步发展和临床应用。