关键词： 中职教育   教学模式构建   大国工匠   计算机科学与技术   产业变革   人工智能   计算机技术   大数据  

摘要： 随着科技的发展,中职的计算机专业面临着巨大变化。随着新一轮科技革命和产业变革加速演进,计算机科学与技术正朝着专业性的方向不断发展,大数据、云计算、人工智能等多种先进的技术依靠计算机技术的进步获得了发展。中职教育需要适应时代的发展需求,培养具有较强实践能力的人才。近年来,武汉市仪表电子学校开展“二元启·六环施”教学模式,依据国家职业技能标准及技能人才培养标准,以综合职业能力培养为目标,培育德技并修的高素质技术技能人才、能工巧匠、大国工匠。

关键词： 人工智能   创新   中间品质量   出口国内附加值率   制造业企业  

摘要： 人工智能成为推动对外贸易高质量发展、以更高水平融入全球价值链的关键动力。文章在理论分析的基础上,实证检验了人工智能对中国企业出口国内附加值率的影响。研究发现:人工智能显著提高了中国制造业企业出口国内附加值率。人工智能对企业出口国内产品国内附加值率的积极影响表现为通过推动企业研发创新,提高国内中间品的生产质量。相比国有企业,人工智能对非国有企业的国内出口附加值率的促进效应更强;相比一般贸易企业,人工智能对混合贸易企业的赋能效应更明显;相比资本密集型企业,人工智能对劳动密集型企业的出口国内附加值率积极影响更突出。研究结果有助于充分认识人工智能对出口国内附加值率的提升效应,对因地制宜引导中国制造业智能化转型、提升出口国内附加值率、构建国内国际双循环的新发展格局具有重要的战略指引作用。

关键词： 人工智能   中日韩   对外开放   全球化  

摘要： 随着人工智能底层技术不断进步和上层应用不断扩展,人工智能产业发展已经进入快车道。在当前复杂多变的国际环境下,中日韩人工智能产业合作意义重大,可以提升以中日韩为核心的东亚生产网络国际竞争力,更好维护有利于三国发展的全球化环境,丰富三国经贸合作场景,更有利于政治互信和民心相通。中日韩经贸投资已经深度交融,三国人工智能应用市场广阔,人工智能产业具有互补性,企业之间合作积极性很高,未来人工智能产业合作空间广阔。但同时,中日韩人工智能产业合作还面临美国干扰、日韩对合作心存忌惮,人工智能技术本身具有不确定性、伦理和军事化问题等障碍。中日韩三国需要加强沟通协作,为人工智能产业合作创造市场化可预期的政策环境,管控外部不利因素影响,加强人工智能治理合作,深化人工智能应用层面合作,共同打造东亚生产网络竞争新优势。

关键词： 滑坡   多层感知机   机器学习   易发性制图   河南省  

摘要： 河南省具有复杂的地貌类型,面临着频繁发生滑坡灾害的挑战,因此进行高效准确的滑坡易发性制图对于地方政府和居民具有重要意义。但是,在滑坡易发性制图研究中,如何选取适合河南省滑坡灾害数据集的机器学习模型、提高评价精度的对比研究仍需进一步开展。以河南省为研究区,收集滑坡数据并编录成滑坡灾害数据库。通过递归特征消除法筛选出对滑坡相对影响最高的11个因子(坡度、高程、平面曲率、剖面曲率、土地覆盖、岩性、土壤类型、降水量、道路密度、河流密度、断裂带密度)整合成空间数据集,训练多层感知机(MLP)神经网络、随机森林(RF)、极端梯度提升(XGBoost)和支持向量机(SVM)模型并使用接收者受试特征曲线下面积(AUC)评估各个模型性能,制作高精度滑坡易发性分区图。研究结果表明,多层感知机模型对河南省滑坡灾害数据集适配性最强,AUC达到0.95。相较于支持向量机、极端梯度提升和随机森林模型,MLP模型预测的滑坡灾害高易发区的面积占比最小,能更精确地识别潜在滑坡灾害高风险区域。预测的极高和高易发区主要分布在豫西山地、丘陵地区,地形因素对河南省滑坡灾害发育具有主导作用。研究成果可为大尺度区域开展高精度滑坡灾害易发性评价提供参考。

关键词： 迁移学习   深度学习   固体地球科学   机器学习  

摘要： 随着地球科学进入大数据时代,机器学习成为可发现数据复杂结构与模式的新兴工具。作为机器学习的一个重要子领域,深度学习通过构建多层隐含层的方式,层层递进地学习海量数据内在特征,可达到提高分类或预测效果等目的。然而机器学习模型往往需要海量数据作为支撑,从而限制了其在固体地球科学领域的广泛应用,迁移学习算法的引入为解决这一问题提供了新的方案。迁移学习可通过利用预先学习类似任务的知识来提高新任务的性能,将源域学习到的知识迁移到目标域,可以在一定程度上克服训练数据不足的问题。迁移学习算法为机器学习在固体地球科学领域的应用提供了新的思路。本文简要综述了迁移学习的基本概念和类别,通过分析迁移学习在固体地球科学中的典型应用案例,讨论了现有迁移学习方法在固体地球科学领域中面临的挑战。当前,迁移学习方法已经在岩石矿物自动识别与分类、地球化学异常识别等方面表现出较大潜力,其具备提高模型泛化性能、避免过拟合的能力,在固体地球科学领域具有广阔的应用前景。但目前迁移学习方法应用于固体地球科学领域的研究还相对较少,未来将持续针对源域数据集选择、迁移模型构建、负迁移评估及可解释性不足等问题开展更为深入的研究。

关键词： 空间科学实验   数智驱动   人工智能  

摘要： 随着技术的不断发展,人工智能(AI)在各个科学领域都展现出了革命性的影响力,形成了新的科学研究范式AI4S(AI for Science)。文章重点面向微重力条件下空间科学实验领域,阐明了其独特的多学科优势,深入分析了结合AI的多模态空间科学实验数据模式挖掘、领域知识抽取、跨学科知识融合与认知智能等研究内容,揭示了AI在提高空间科学实验领域智能化科学研究、认知与发现等方面的巨大潜力。探索表明数智驱动的空间科学实验研究作为AI4S的重要科研阵地,在促进空间科学实验数据生态构建与发展、AI4S的研究创新、领域学科发展等方面将发挥积极和重要作用。

关键词： 围绝经期   机器学习   预测模型   抑郁   随机森林模型  

摘要： 目的构建基于机器学习的围绝经期抑郁症状风险预测模型,筛选围绝经期抑郁的危险因素。方法从中国健康与养老追踪调查(CHARLS)2020年数据中选取1105名45~55岁女性作为研究对象,使用随机森林、XGBoost和AdaBoost 3种机器学习算法构建围绝经期抑郁症状风险预测模型。采用SPSS 24.0进行数据描述统计和组间比较。采用Python3.10软件构建风险预测模型,使用受试者操作特征(ROC)曲线及校准曲线综合评估模型性能,筛选出预测性能最佳的模型,并使用Shapley加性解释(SHAP)算法分析特征重要性及特征对预测结果的影响。结果1105名围绝经期女性中,非抑郁症状组671例(60.7%),抑郁症状组434例(39.3%)。3个机器学习模型中,随机森林模型整体性能最佳,其ROC下面积(AUC)为0.793,校准度为0.181。SHAP分析显示,家庭年总收入为随机森林模型中最大风险因素,其相对重要性为0.048,其后依次为认知功能(0.047)、自评健康状况(0.046)、生活满意度(0.043)和睡眠时长(0.041)等。结论基于随机森林算法构建模型可有效预测围绝经期抑郁症状发生风险。家庭年总收入、认知功能、自评健康状况、生活满意度等指标是围绝经期女性抑郁症状的危险因素。

关键词： 人工智能   数据要素   新质生产力   价值创造  

摘要： 为促进人工智能与实体经济深度融合,推动人工智能赋能制造业新质生产力形成与价值创造能力提升,文章基于省际面板数据,运用熵值法测度了2011—2022年我国30个省份的人工智能发展和制造业新质生产力价值创造水平,并构建固定效应模型、面板门槛回归模型实证检验人工智能赋能制造业新质生产力价值创造的影响效应及特征。理论分析表明:人工智能驱动数据的要素化和智能化,推动企业数智化转型,通过降本增效、智能决策、模式创新、业态融合赋能制造业领域的新质生产力价值创造。实证检验发现,人工智能总体上能够显著提升制造业新质生产力价值创造水平,其影响效应呈现非线性特征,当人力资本质量、知识产权保护水平跨越单一门槛值时,人工智能对制造业新质生产力价值创造的促进作用显著增强。在人工智能产业发展三大梯队地区中,对第一梯队地区(北京、上海、广东、浙江和江苏)驱动效果最强,而对第二、三梯队地区促进作用则不明显。基于此,应进一步培育发展人工智能产业,构建面向AI时代的制造业创新智能生态,建立完善的市场监管与安全体系,以赋能制造业新质生产力价值创造。

关键词： 大数据分析   飞行区   人工智能   信息技术   场道   物联网   工程项目   工程流程  

摘要： 引言。飞行区场道类项目的建设和管理涉及复杂的工程流程和严格的安全要求,因此需要高效的工地管理方法来确保项目顺利进行并达到预期的质量和安全标准。随着信息技术的快速发展,智慧工地管理技术在工程项目中的应用日益成熟[1-2]。智慧工地管理结合了BIM、物联网、大数据分析、人工智能等技术,为工程管理提供了全新的解决方案,更好地应对飞行区场道类项目的建设[3-7]。

关键词： 听觉脑干反应   波形识别   机器学习   高斯过程分类模型  

摘要： 目的训练多种机器学习模型用于听性脑干反应(auditory brainstem response,ABR)波形的自动识别,并确定准确率最高的模型,使ABR自动识别技术更好地应用于临床实践。方法选取2021年6月至2022年6月北京清华长庚医院收治的100例听力正常和伴有听力损伤人群的受试者(200耳)为研究对象,根据年龄和听力水平将受试者分为组1(年龄18~59岁,500、1000、2000、4000 Hz频率平均听阈≤25 dB HL)、组2(年龄≥60岁,500、1000、2000、4000 Hz频率平均听阈≤25 dB HL)、组3(年龄18~59岁,500、1000、2000、4000 Hz频率平均听阈>25 dB HL)、组4(年龄≥60岁,500、1000、2000、4000 Hz频率平均听阈>25 dB HL),每组25例。收集受试者纯音测听和ABR数据,提取ABR信号时域和频域特征,与受试者年龄、性别、纯音听阈,刺激声强度以及原始信号序列拼接得到特征向量。分别使用逻辑回归、支持向量机分类、伯努利朴素贝叶斯分类、高斯朴素贝叶斯分类、高斯过程分类、决策树、随机森林、表格网络、轻量化梯度提升框架、极致梯度提升框架和局部级联集成。等机器学习模型对ABR波形进行识别训练,并对整体数据和分组数据分别计算不同模型下波形识别的准确率。结果高斯过程分类模型的整体准确率达到了94.89%,超过了其他机器学习模型。其中95.62%为<60岁听力正常受试者、92.19%为≥60岁听力正常受试者、92.92%为<60岁伴有听力损失受试者、92.50%为≥60岁且伴有听力损失受试者。结论机器学习技术在ABR波形的自动识别方面具有良好的应用前景,高斯过程分类模型优于其他机器学习模型。