关键词： 人工智能   工业自动化   自适应控制   应用措施  

摘要： 工业自动化的发展是践行新质生产力根本要求的核心，自动化系统的复杂性和智能化水平不断提高，这不仅提升了生产效率和产品质量，也对系统的稳定性和灵活性提出了更高的要求。自适应控制策略作为应对动态环境和复杂工况的先进技术，逐渐成为工业自动化发展的关键所在。本文分析自适应控制策略中不同类型的人工智能算法，并探讨工业自动化应用中基于人工智能的自适应控制策略的实施路径，为工业自动化的全面发展与推进提供参考性意见。

关键词： 冠心病   机器学习   风险预测模型   Logistic回归   k最邻近算法   支持向量机   决策树   XGBoost  

摘要： 背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目的探索冠心病的影响因素,通过使用2种平衡数据的方法,基于5种算法建立冠心病风险相关的预测模型,比较这5种模型对冠心病风险的预测价值。方法基于2021年美国国家行为风险因素监测系统(BRFSS)横断面调查数据筛选出112606名研究对象的健康相关风险行为、慢性健康状况等24个变量信息,结局指标为自我报告是否患有冠心病并据此分为冠心病组和非冠心病组。通过进行单因素分析和逐步Logistic回归分析探索冠心病发生的影响因素并筛选出纳入预测模型的变量。随机抽取112606名受访者的10%(共计11261名),以8∶2的比例随机划分为训练与测试的数据集,采用随机过采样和合成少数过采样技术(SMOTE)两种过采样的方法处理不平衡数据,基于k最邻近算法(KNN)、Logistic回归、支持向量机(SVM)、决策树和XGBoost算法分别建立冠心病预测模型。结果两组年龄、性别、BMI、种族、婚姻状态、教育水平、收入水平、家里有几个孩子、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者、过去30 d内是否有体育锻炼、心理健康状况以及自我健康评价比较,差异有统计学意义(P<0.05)。逐步Logistic回归分析结果显示:年龄、性别、BMI、种族、教育水平、收入水平、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者以及自我健康评价为冠心病的影响因素(P<0.05)。风险模型构建的分析结果显示:k最邻近算法、Logistic回归、支持向量机、决策树和XGBoost采用SMOTE处理不平衡数据的总体分类精度分别为59.2%、67.4%、66.2%、69.2%和85.9%,召回率分别为75.2%、71.4%、70.5%、62.9%和34.8%,精确度分别为15.4%、18.2%、17.5%、17.6%和28.7%,F值分别为0.256、0.290、0.280、0.275和0.315,受试者工作特征曲线下面积分别为0.80、0.78、0.72、0.72和0.82;采用随机过采样处理不平衡数据的总体分类精度分别为62.5%、68.5%、69.0%、60.2%和70.1%,召回率分别为70.0%、69.5%、71.9%、69.0%和67.6%;精确度分别为15.8%、18.4%、19.1%、14.8%和19.0%,F值分别为0.258、0.291、0.302、0.244和0.297,受试者工作特征曲线下面积分别为0.80、0.77、0.72、0.72和0.83。结论本研究不仅确认了已知冠心病的影响因素,还发现了自我健康评价水平、收入水平和教育水平对冠心病具有潜在影响。在使用2种数据平衡方法后,5种算法的性能显著提高。其中XGBoost模型表现最佳,可作为未来优化冠心病预测模型的参考。此外,鉴于XGBoost模型的优异性能以及逐步Logistic回归的操作便捷和可解释性,推荐在冠心病风险预测模型中结合使用数据平衡后的XGBoost和逐步Logistic回归分析。

关键词： 数智化教学   电力系统分析   人工智能   课程改革  

摘要： 随着近几年新兴科技革命的兴起，人工智能、互联网、物联网、增强和虚拟现实、区块链技术等已经被越来越多地应用到教育领域，未来的教育格局与学习模式将面临一场深刻的变革。在科技推动教育转型的大背景下，新时期对教学与教师的要求也越来越高。高校教育教学改革、虚拟教研室、人工智能在教师教学中的应用，赋予教师更多元化、更专业化的角色，从而培养出更高更全面的素质。“电力系统分析”是电气工程专业一门重要的专业基础课，它是一门理论强、概念抽象、内容涉及面广、与其他电力学科关系密切的专业基础课。学生和教师反映教学困难，学习困难。为解决传统课堂教学中存在的问题，我校的“电力系统分析”教学小组大胆地引进了多种数字化教学技术，并在教室中进行了实践与探究，对不同的数智化教学技术对教学效果的作用进行了检验，这对今后的“电力系统分析”课程改革具有一定的借鉴意义。

关键词： 算法文学性   人工智能   读者  

摘要： 相比作者在模仿现实的基础上精心打磨文字、故事情节、叙事结构而产出富有情感性、创造力和生命力的文学作品，算法文学则由智能机器统计分析既有文学作品数据而后瞬间生成文本内容。尽管算法文学因无需关联世界而缺少深刻的现实维度，不经作家精心创作而不具有人类情感意志，但是倘若它只靠数据化的文本生成内容，便可逐渐在言象意创制上显示出不亚于人类的创作水准，甚至完善到反过来影响人们对现实的审美观念、态度与倾向，那么最大的余项在于，读者是否真正信任这种只有工具性意识而缺乏主体性的机器生成文本，又能否在此基础上开展主体之间的实质性审美对话关系。

关键词： 人工智能   汽车保险与理赔   人才培养模式   创新研究  

摘要： 随着科技的不断发展，人工智能在各行各业中已经被广泛使用，汽车保险行业也不例外，近年来人工智能技术应用也取得了显著的成效；在此背景下，高职院校如何创新性地培养学生使其掌握更尖端的人工智能技术为客户办理各项保险与理赔业务，以满足汽车保险行业对掌握人工智能技术人才的需求；文章拟对此问题进行深入探讨并提出建议对策。

关键词： 人工智能   汽车故障诊断   教学模式   教学策略  

摘要： 随着人工智能技术的快速发展，汽车故障诊断技术呈现出智能化、网络化的特点，中高职贯通专业汽车故障诊断课程教学模式急需改革创新，基于人工智能技术应用现状，文章深入分析了传统教学模式存在的问题，探索构建了基于人工智能的教学新模式并提出了相应的教学策略和实施路径，研究表明将人工智能技术融入汽车故障诊断课程教学能够有效提升教学质量和人才培养效果，为培养新时代高素质技能人才提供新思路。

关键词： 人工智能   智能化距离   双边价值链关联   “脱钩”  

摘要： 智能化是否加速了价值链“脱钩”仍是一个待检验命题。文章基于IFR工业机器人数据与世界投入产出数据，考察了人工智能对双边价值链关联的影响以及影响路径。研究发现，人工智能通过生产率、出口产品质量及GVC地位渠道加固双边价值链关联。异质性结果表明，发达国家的人工智能技术有利于加固双边价值链，而发展中国家将突破原有分工，收缩与发达国家的价值链关联；人工智能技术将强化资本和技术密集型行业的双边价值链关联，但在劳动密集型行业中可能导致“脱钩”。进一步研究得出，智能化距离与双边价值链关联正向相关，这意味着随着智能化距离的缩小，双边价值链关联将趋于松散，智能化距离才是价值链“脱钩”真正的技术动因。文章的研究是在经验上对智能化与价值链“脱钩”关系的回答，为人工智能与全球价值链格局的相关研究提供了新的解释。文章的结果表明，对于发展中国家而言，超前布局智能化发展战略具有重要意义。

关键词： 新工科   数据结构   教学改革   机器学习  

摘要： 随着新工科背景下人才培养目标的转变和人工智能技术的迅猛发展，传统“数据结构”课程的教学模式已经难以满足学生的需求。针对新形势下该课程所面临的挑战，本文提出基于融合机器学习模型的“数据结构”教学改革新模式。通过设计新的课程内容、加强实践环节和强化项目实践等方式，旨在引导学生深入理解机器学习与数据结构的理论与应用。该模式不仅能够为教师提供适应人工智能时代有效的教学方法和策略，也有助于提高学生的实践能力和创新能力，为学生未来的研究和实践奠定坚实基础。

关键词： 遗传算法   人工智能   参数化  

摘要： 人工智能正以迅猛的速度逐步渗透到人类生活的各个方面，建筑设计领域亦是如此。文章利用WallaceiX的遗传算法基础结合Stable Diffusion的人工智能渲染能力，以建筑任务书中的各种控规条件和建筑师对场地的理解作为控制参数，在指定场地内进行自动化的枚举式设计，后通过人为筛选，对自动生成的体块进行AI渲染，仅用时28 s就获得了6张建筑效果图。且通过调节控制类关键词，该软件还可以灵活变换设计风格。相较于传统仅依赖脑力和想象完成前期方案设计的设计策略，这种设计方法能够大幅度缩短建筑项目投标前期的方案推敲时间，有效提高方案比选的效率和科学性。在时间紧迫的项目投标工作中，该设计策略具有较强的适用性。

关键词： 人工智能   课程设计   可能性   风险点  

摘要： 从课程设计的角度，人工智能具备易得性、生成性、丰富性、简便性的特征，为课程设计提供了很多新的可能，可将其归纳为工作效率倍增者、基础工作铺垫者、答疑解惑咨询者、多模态生产者、数据记录处理者。在内容重构层面，人工智能能够促进学科交叉、学科前沿、优化概念的表征以及统整概念；在目标重组层面，应当提高目标的高阶性、增强个性化目标、增加数智目标；在促进教的层面，能促进精准把握学生已有基础和学情、进行更有效的师生互动和对话、监督学生的学习结果并给予指导；在促进学的层面，以精准的评价反馈、多概念的相互关联产生效能。人工智能无法直接改变认知加工的深度，需要教师做更多的引导和设计；人工智能有可能导致学习目标的迷失，需要在课程设计中加以保障；人工智能也无法代替思考，需要学习者自我建构。要避免认知外包风险、目标迷失风险、信息茧房风险。