关键词： 数字经济   特征选择   机器学习   交叉验证   支持向量回归  

摘要： 聚焦于数字经济这一现代经济增长的核心驱动力,通过特征选择算法精炼数据,结合多种机器学习算法构建模型,并经交叉验证优化参数,依据模型性能指标筛选出最优的长三角数字经济模型,以期高效、精准地把握长三角数字经济发展趋势.研究结果显示:特征选择算法能显著提升机器学习算法的预测精度;各机器学习算法中支持向量回归的预测效果最佳;各模型组合中随机森林-支持向量回归模型为最优的数字经济预测模型,能够很好地反映出长三角数字经济稳步发展的趋势.

关键词： 术后谵妄   机器学习算法   风险预测模型   综述  

摘要： 近年来，人工智能技术（AI）的发展正在逐渐改变传统的医疗行业，机器学习作为人工智能技术中的主流被越来越多地应用于分析复杂的医学数据，为疾病的诊断、预后风险评估、诊疗决策的制定等方面提供了便利。文章对国内外机器学习算法在术后谵妄中的应用进行综述，以期为术后谵妄预测模型的构建提供新的思路，为临床早期评估术后谵妄提供新的依据。

关键词： 建筑能耗   特征选择   预测   机器学习  

摘要： 建筑能耗预测是制定建筑节能策略，提升建筑运行效能的基础。为解决当前建筑能耗管理数字化水平薄弱、预测模型精度低等问题，构建一种基于改进轻量级梯度提升机（light gradient boosting machine ， LightGBM）的集成预测模型，针对既有建筑进行特征选择与能耗预测，并将算法应用于天津市某大数据平台的能耗监测预警系统。首先借助基于LightGBM的特征选择策略筛选出最优特征子集，在降低数据维度的同时提升模型运行效率；然后建立基于机器学习算法的动态监督能耗预测模型，完善运行能耗监测预警机制；最后，应用项目实测能耗数据对模型进行预测性能评价，并结合局部可解释模型（local interpretable model-agnostic explanations，LIME）技术生成预测结果信息图，运维管理人员可以依据平台生成的能耗报告及反馈的预警信息进行厂区能源结构调整与异常用能诊断。结果表明，平台监测预警功能可以识别反馈95%以上的异常用能情况，验证了所提方法的科学性与普适性，为运维管理人员进行建筑节能潜力挖掘与异常用能诊断提供决策参考。

关键词： 数字化注意力   企业ESG表现   信息披露质量   资源配置效率   机器学习  

摘要： 数字化注意力是企业数字化战略决策与数字化转型的前提条件。数字化注意力对企业履行ESG责任具有重要影响,对经济可持续与高质量发展具有重要意义。以2011—2021年A股上市公司作为研究样本,考察企业所在城市数字化注意力因素并构建上市公司数字化注意力指标,采用基于词向量的机器学习方法对企业ESG表现进行文本测量,实证研究数字化注意力对企业ESG表现的影响及作用机制。结果发现,数字化注意力能够显著提升企业ESG表现,在经过一系列稳健性检验后,上述结论依然成立。机制分析表明,数字化注意力有助于企业加快数字化进程,以数字技术为支撑,通过提升信息披露质量和资源配置效率提升企业ESG表现。异质性分析发现,在东部地区企业、非重污染企业和非高科技企业中,数字化注意力对企业ESG表现的影响更显著。因此,企业应提升自身数字化注意力水平,重视数字化在ESG责任履行过程中的作用;政府应制定相应政策,促使企业加快数字化进程,实现数字化战略与ESG战略协同发展。

关键词： 心血管病学   心房颤动   死亡   机器学习   预测模型  

摘要： 目的 本研究基于LASSO回归与极限梯度提升(XGBoost)机器学习算法构建心房颤动(AF)患者住院期间死亡风险的预测模型,识别与死亡风险密切相关的临床特征。方法 回顾性分析2020年1月至2023年12月就诊于新疆医科大学第一附属医院心脏中心主诊断为AF的患者,纳入27个临床变量进行分析,通过LASSO回归筛选重要特征,利用XGBoost算法建立预测模型。采用受试者工作特征曲线评估模型性能,并通过沙普利加性解释(SHAP)算法解释各特征对模型的影响。结果 共纳入5 197例研究对象,分为死亡组(99例)和存活组(5 098例),总体死亡率为1.90%。利用LASSO回归筛选出5个关键特征,包括年龄、白细胞计数(WBC)、降钙素原(PCT)、心力衰竭(HF)和N末端脑钠肽前体(NT-Pro BNP)。XGBoost模型在训练集和验证集中的曲线下面积分别为0.979和0.910。SHAP分析显示,PCT、NT-proBNP、WBC、年龄和HF是对模型影响最大的特征,并揭示这些特征值的增加与院内死亡风险呈正相关。结论 基于LASSO回归和XGBoost算法的预测模型在AF患者住院期间死亡风险评估中具有较高的预测准确性,有助于早期识别高风险患者,为AF个体化治疗提供依据。

关键词： 人工智能   人工智能模型   深度学习   颈椎   医学图像   研究进展   临床应用   工程化组织构建  

摘要： 背景：颈椎病是一种慢性退行性疾病，已经成为威胁人类健康的常见病和多发病之一。目前对颈椎及其周围结构病变的初步诊断主要倚赖于放射科医师对医学影像的解读，这不仅对操作人员技术要求较高，而且存在主观性较强、劳动强度高、效率低等缺点。随着人工智能技术的快速发展，其强大的数据处理和图像识别能力使其在医疗领域展现出广阔的应用前景，深度学习也在脊柱疾病的研究中取得了一定的进展。目的：综述近年来人工智能技术在颈椎影像图像中的应用现状和研究进展，评估人工智能模型的表现以及未来的发展趋势及需要克服的挑战。方法：由第一作者在2024年6月以“人工智能，深度学习，颈椎”为中文检索词，以“Artificial Intelligence,AI,Cervical Vertebrae,Cervical”为英文检索词分别在万方数据库、中国知网和PubMed数据库进行检索，最终纳入101篇文章进行分析。结果与结论：(1)人工智能技术可通过对医学图像部位进行分割、分类、关键点识别等技术实现对颈椎椎体的自动分割及曲度改变的测量，检测颈椎骨折、神经根和脊髓型颈椎病，识别颈椎后纵韧带骨化，预测手术后相关危险因素以及颈椎成熟度分类等；(2)尽管人工智能技术在颈椎研究领域已展现出巨大潜力，但其仍处于初期探索与快速发展阶段，有无限的发展与创新空间。

关键词： 情感分析   机器学习   深度学习   集成学习   数据集  

摘要： 随着在线平台个人意见数量激增，情感分析变得至关重要，其能帮助机构深入了解用户的情感倾向，优化产品服务，为市场决策提供有力支持，更精准地理解社会舆论动向。综述情感分析领域的最新进展，包括预处理技术、特征提取方法、分类技术、常用数据集等，探讨该领域的局限性与未来研究方向，以期为相关研究人员与从业人员提供有价值的资源。

关键词： 低空经济   新质生产力   人工智能   先进制造   经济法治  

摘要： 低空经济作为新质生产力的代表性产业，对人们的生活质量、经济运行模式和技术创新进程带来变革，具有广阔的市场前景。为促进低空经济有效、快速发展，亟须在相关政策措施基础上，基于低空经济设备技术、控制技术、信号技术、经济模式等的特殊性和现实要求，及时制定法律制度，构建广义上的低空经济产业促进法。要通过立法规范市场秩序，保障飞行安全和公共安全，促进技术创新和产业升级，推动我国低空经济产业快速发展，提升我国在全球低空经济领域的竞争力和影响力。

关键词： 3D打印   家居领域   智能制造   增材制造  

摘要： 随着工业4.0、新一代信息技术的深化发展，智能制造成为推动制造业发展和创新的重要驱动力。在智能制造新技术体系下，3D打印作为一种快速成型的增材制造技术，为家居创新设计与制造提供了新路径，具有较为广阔的应用场景。笔者将3D打印成型原理分为基于喷射或挤出与基于激光或高能量密度热源2种，将打印材料分为有机高分子材料、无机非金属材料、金属材料、复合材料四大类并进行总结归纳，随后重点综述并分析了3D打印技术在家居领域研究中的应用现状。研究发现: 随着3D打印技术成型工艺的日益成熟和打印材料的多样化，该技术在家居领域不仅可以优化家居产品的设计与制造流程、辅助新型设计思维，还能作为重要的技术手段应用于整体家具打印、家具零部件制造与修复以及家具表面装饰与室内软装等方面。最后，探讨了3D打印技术在家居领域所面临的问题与未来发展趋势，以期为未来家居领域的个性化、定制化、智能化、绿色化发展提供理论指导，并为拓宽3D打印技术在家居领域智能制造应用范围提供思路。

关键词： 向日葵   叶面积指数   无人机遥感   特征组合   机器学习   反演  

摘要： 为快速、准确获取育种向日葵的叶面积指数，通过无人机搭载多光谱相机和DJI L1型激光雷达镜头，获取向日葵现蕾期、开花期和成熟期的无人机遥感数据。计算了9种多光谱植被指数和8类纹理特征，提取了8种LiDAR特征参数，利用皮尔逊相关系数法筛选出与LAI相关性高的4种植被指数、3类纹理特征和4种LiDAR特征参数；采用K近邻（K-nearest neighbor， KNN）、随机森林（Random forest，RF）、极致梯度提升树（eXtreme gradient boosting，XGBoost）和分类提升算法（Category boosting，CatBoost），分别构建基于植被指数、纹理特征、LiDAR特征参数、植被指数+纹理特征、植被指数+LiDAR特征参数、纹理特征+LiDAR特征参数和三类特征组合的向日葵LAI估测模型，利用决定系数(Coefficient of determination，R2)和均方根误差（Root mean square error，RMSE）来评价模型精度；采用最佳模型反演育种向日葵的LAI并将其可视化。结果表明，CatBoost算法与植被指数+纹理特征+LiDAR特征参数建立的向日葵LAI估测模型在三个时期的效果最好，决定系数分别为0.93、0.91和0.90，均方根误差分别为0.13、0.14和0.15。本文研究结果可为向日葵育种及田间精准管理提供依据。