关键词： 人工智能   计算机模拟   执行动作   人脑思维   核心本质   人的智能   AI   解决问题  

摘要： 人工智能(Artificial Intelligence,AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能专指由人类制造的系统所表现出来的智能,其核心本质是人类训练计算机能够像人一样进行决策和学习,通过计算机模拟人脑思维过程并赋予机器执行动作、解决问题以达成目标。

关键词： 智能船舶   智能算法   机器学习   自主航行   路径规划  

摘要： 人工智能技术的快速发展正在显著改变船舶行业,推动传统船舶系统向高度自动化和智能化平台转型。船舶相关智能算法的研究已经成为该领域的热点,旨在解决诸如航行安全、能效管理以及运营成本降低等方面的挑战。本文系统性地分析了船舶相关智能算法领域的最新研究进展,全面概述了当前算法在自主航行、避碰、路径规划及能效管理等方面的应用。此外,本文还识别了关键技术趋势和障碍,探讨了缩小理论研究与实际应用之间差距的未来发展方向。通过对智能算法最新进展的深入评估,本文旨在加深对人工智能在船舶行业中作用的理解,启发新的研究视角与创新,以推动更加稳健、弹性和可持续的航运解决方案的发展。

关键词： 机器学习   药物相互作用   多层次   图神经网络   端到端  

摘要： 药物相互作用(drug-drug interactions,DDIs)通常在多种药物共同使用时发生.某些药物之间的相互作用可以带来积极的治疗效果,而某些药物相互作用引起的反应可能会带来严重的影响,甚至危及生命,这使得预测某两种药物之间是否存在相互作用乃至何种类型变得至关重要.而实验研究DDIs的需求和成本不断增长,凸显了采用计算方法,尤其是机器学习方法以预测DDIs的价值.然而,此前基于机器学习的方法均未能全面建模DDIs问题中包括药物自身分子子结构、全结构和药物相互作用网络结构在内的3个层级信息,部分方法还依赖于大规模生物知识图谱,增加了模型的推理成本.本文提出HierDDI,它仅通过数据集中的DDIs即能构建一个多层次图结构,而无需依赖附加知识图谱.更具体地说,HierDDI通过建模药物自身分子子结构、全结构、药物相互作用网络结构这3个层面,来预测药物相互作用.由此不仅捕获了药物自身的结构信息,还将药物间的相互作用考虑在内,并通过端到端的训练,建立模型对DDIs的全面理解.本文所有模块的设计都非常简洁,广泛的实验展示了本文提出的方法明显优于目前药物相互作用领域的领先方法,成为目前表现最佳的模型.在DrugBank和Twosides等公开数据集上,本文提出的方法在直推式(transductive)场景中的准确率比当前领先方法提高了0.58%和2.02%,而在归纳式(inductive)场景中则更是提高了4.20%和3.52%.源代码发布在https://***/wuhuaijin/HierDDI.

关键词： 人工智能   变电站   运检管控  

摘要： 常规方法单一通过设定波动阈值,实现异常状态的有效判定,忽略了对于设备运行数据的融合处理,导致运检管控效果不佳。对此,提出基于人工智能的变电站智能运检管控系统研究。采用高精度传感器获取设备的运行环境数据以及状态数据,并结合RFID技术对变电站设备标签进行读取处理,针对传感设备获取的运行状态数据,通过搭建前向神经网络,对数据进行融合处理,计算设备运行安全系数,对变电站设备的运行情况进行判定,并结合设备参数调整误差,实现设备运检管控处理。实验结果表明,应用了变电站智能运检管控系统后,检修及时度较高,具备较为理想的运检管控效果。

关键词： 市场活力   人工智能   无人驾驶   新业态   短视频   百家争鸣   挖掘消费   形式多样化  

摘要： 2024年,国家多次提到了“首发经济”,其中明确提到要将首发经济作为挖掘消费潜力、激发市场活力的重要引擎。首发经济即为创新,它的形式多样化,即是新产品、新业态,也可以是新模式、新服务或新技术。近年来,从直播带货、人工智能、短视频到无人驾驶等。

关键词： 个性化治疗   步态异常   女性患病率   可穿戴设备   步态分析   未明   早期诊断   机器学习  

摘要： 阿尔茨海默病(AD)是最常见的痴呆形式[1],全球约有5000万痴呆患者中约60%~70%为AD。该病起病隐匿,呈进行性发展,以记忆力减退为核心症状,随病情进展,认知功能损害导致日常生活能力下降[2]。65岁以上人群中患病率约4%~8%,85岁后可达20%~30%,女性患病率高于男性[3]。中国约有600~800万AD患者[4]。AD的确切病因未明,但与基因、生活方式和环境因素有关。病理特征包括脑内淀粉样蛋白沉积和神经元纤维缠结[5]。临床分为痴呆前阶段和痴呆阶段[6],早期诊断和干预至关重要。步态障碍在AD中的重要性日益凸显[7],不仅影响患者的行动能力,还与认知功能下降密切相关。步态分析成为早期诊断的关键工具[8]。AD患者的步态特征,如步速减慢、步幅缩短和步态不对称性,与大脑神经退行性变有关[9]。这些步态异常可作为早期识别AD的指标,有助于及时干预和治疗。机器学习和可穿戴设备技术的发展有助于精确测量和分析步态参数,为AD的诊断和监测提供了新的视角[10]。这些技术的应用不仅提高了诊断的准确性,也为未来AD的个性化治疗和疾病管理提供了指导。

关键词： 智能监护系统   计算机视觉   人工智能  

摘要： 为保障在院患者护理质量,应对眼科医院术后患者复杂多变的情况进行更加全面、准确、实时的监测,该文设计了基于计算机视觉及人工智能(artificial intelligence,AI)的智能监护系统,用于实时监测患者的健康状况。其主要应用场景包括医疗监护、康复治疗和住院护理等,涵盖智能采集设备、智能摄像头、连续生理数据分析算法与人工智能算法及软件。由于眼科医院术后患者的情况复杂多变,对患者进行全面、准确、实时的监测很必要,因此需要探索一种低生理负担和心理压力的监测技术。智能监护系统可以连续采集患者的生理参数指标,在对监测数据进行智能算法分析后,将其传输至医生工作站或护士站,为患者监护、病情评估、风险预警等提供新的工具与手段。同时,应用计算机视觉和人工智能技术,还可以分析面部表情、人体姿态等数据,识别患者的情绪状态和卧床姿态,及时发现异常情况并采取相应的措施。这有助于改善医护人员的日常工作,提升病区中单间病房的护理安全,且可用于危重患者、老年患者的护理,并提高护理效率和质量。

关键词： 人工智能   时尚设计   AIG   生成式   个性化   重新定义   挑战传统   局限性  

摘要： 时尚的边界正在不断被打破。传统意义上的时尚,往往以人类身体为中心,遵循既定的廓形、材质和风格。然而,随着科技的飞速发展和人工智能生成式(AIGC)设计的兴起,不断迭代的时尚设计理念时刻挑战传统时尚的局限性,也在重新定义我们与服装、与身体、与世界的关系。

关键词： 油气管道   数据驱动   机器学习   风险评价   风险管理  

摘要： 随着油气管道建设规模不断扩大以及运营环境日益复杂,传统的风险评价方法逐渐暴露出其局限性,难以满足现代管道安全管理对精确度、实时性和适应性的需求。为了实现风险的高效预警,通过深入分析数据驱动的风险评价方法在油气管道领域的发展与应用,指出了当前技术应用中的优势、挑战与发展方向。研究表明:基于数据驱动的模型在管道风险评估中表现出更强的适应性和准确性,能够提供更为细致和实时的风险预警。然而,数据驱动方法比较依赖于大量高质量的数据,容易出现过拟合问题,且由于模型的“黑箱”特性使其解释性较差,对制定安全关键决策产生不利的影响。本文提出的发展建议可为数据驱动背景下的油气管道风险管理提供全新的视角和解决方案。

关键词： 中国计算机学会   人工智能   模式识别   学术活动   学术动态   CCF   最新研究成果   参会者  

摘要： 主办单位:中国计算机学会(CCF)承办单位:CCF人工智能与模式识别专委会,云南大学中国计算机学会人工智能会议(CCFAI,CCF Conference on Artificial Intelligence)是由中国计算机学会主办,中国计算机学会人工智能与模式识别专业委员会承办的人工智能领域盛会。该系列会议每两年举行一次,现已成为国内人工智能领域最主要的学术活动之一。会议旨在为人工智能领域从业者提供一个互动交流平台,使参会者了解人工智能前沿学术动态,分享人工智能领域的最新研究成果和创新思想,提高国内人工智能领域的研究水平。