关键词： 人工智能   机器人   智能工厂   公务员   铁饭碗   受益者   AI   上岗  

摘要： 近日,深圳首批70名AI公务员“上岗”,懂得多干得快还错得少。话题“公务员的‘铁饭碗’还稳吗”引起网友热议。人工智能正在深刻改变我们的生活。我们每个人都是这场变革的见证者、参与者和受益者。如今,我们不仅能在医疗、交通、智能工厂等多种场景看到AI机器人的身影,甚至连我们日常泡茶,都能让其代劳。

关键词： 深度学习   人工智能   阿尔兹海默症   轻度认知障碍   核磁共振成像  

摘要： 目前诊断阿尔兹海默症(Alzheimer's Disease,AD)的主要手段是通过结构磁共振成像(structural Magnetic Resonance Imaging,sMRI)实现的,现有基于深度学习的AD诊断主要利用2D(将3D sMRI转2D切片)或者3D的卷积神经网络,不能很好地捕获3D sMRI全局特征,为此本文提出改进Swin Transformer实现3D块划分提取全局特征,构建Transformer预测分类模型。又根据现有阿尔兹海默患者发生萎缩的区域对尺寸的变换很敏感,而且现有深度学习模型在病灶区域定位方面能力不强的问题,提出自适应特征提取模块(Adaptive Feature Extraction Module,AFEM),实现了可变形自适应特征提取,对基础3D Transformer模型进行扩展,构建AFEM-Transformer深度学习模型,进一步提升模型特征学习能力,实现自适应的定位病理区域的具体位置,用以辅助临床诊断,实现阿尔兹海默病情分类和预测。本文选择阿尔茨海默症神经影像学计划(Alzheimer's Disease Neuroimaging Initiative,ADNI)提供的2248名受试者sMRI影像作为实验数据集。在阿尔兹海默诊断任务和轻度认知障碍(Mild Cognitive Impairment,MCI)进展预测任务中将提出的AFEM-Transformer模型与现有基于卷积神经网络的模型和基础Transformer模型进行分析比较,评估该模型的价值。结果表明本文提出的AFEM-Transformer模型在两个任务上的准确率、敏感度、特异性、AUC(Area Under Curve)值的实验结果相较于基础和卷积神经网络模型和Transformer模型性能提升明显,证实了所提出的AFEM模块的有效性。本文提出的AFEM-Transformer深度学习模型能够准确诊断阿尔兹海默症和预测MCI的进展,并可自动定位出病灶区域,可以作为阿尔兹海默症临床诊断中一个有效的计算机辅助方法。

关键词： 中美战略竞争   “芯片锁喉”战略   战略叙事   敌人意象   人工智能  

摘要： “芯片锁喉”是美国对华高科技竞争的核心战略。该战略以芯片为主要抓手,利用美国在全球供应链中的优势地位,通过出口管制、“长臂管辖”、组建技术联盟等举措打压中国高科技产业,以实现竞赢中国的战略目标。文章采用战略叙事理论视角,构建了从叙事主体、叙事竞争到叙事重构的分析框架,探究了自2022年《芯片与科学法案》通过以来美国如何在高科技领域通过污名化手法对中国开展叙事竞争,强化中国“敌人意象”,对中国进行话语压制并谋求话语霸权。该战略在实践中面临多重困局。战略叙事的逻辑压制了反对与中国为敌的理性声音,强化了美国战略界对中国的刻板印象,为通过强势遏制打压中国高科技产业的错误政策助力,挤压了美国调整对华高科技政策的转圜空间。随着“芯片锁喉”战略对全球半导体供应链的冲击日益显现,美国针对其盟伴的战略叙事遭到多国反对,亦加剧了国际体系的内在风险,从长远角度看该战略终将难以为继。

关键词： 肺腺癌   气腔播散   人工智能   体层摄影术   X线计算机  

摘要： 目的探讨人工智能技术(AI)提取的定量参数及CT征象对T1、T2期肺腺癌发生气腔内播散(STAS)的预测价值。方法回顾性分析经手术病理证实的367例T1、T2期肺腺癌患者的胸部平扫CT图像。依据病理结果分为STAS阳性组(138例)和STAS阴性组(229例)。分析两组病灶的AI定量参数及CT征象的差异,以二元Logistic回归分析筛选肺腺癌STAS的独立预测因子,建立AI定量参数模型、CT征象模型及联合模型,绘制受试者工作特征(ROC)曲线,评估各模型诊断效能。结果吸烟史、10个CT征象和17个AI定量参数在两组间具有统计学差异。CT征象模型、AI定量参数模型、联合模型中的受试者工作特征曲线曲线下面积(AUC)值分别为0.8195、0.7402、0.8367。结论AI定量分析及CT征象联合模型对肺腺癌STAS具有较好的预测价值。

关键词： 冬小麦   叶片含水量   机器学习   变量筛选   植被指数  

摘要： 为进一步提升利用高光谱数据快速监测叶片含水量的能力,以关中地区冬小麦为研究对象,分别获取2022和2023年孕穗期、抽穗期及灌浆期冬小麦叶片含水量,并同步监测叶片高光谱信息。通过波段组合的形式构建植被指数,并利用相关性分析进行初步筛选,再以ReliefF算法优选得到输入特征变量,然后分别利用随机森林(random forest,RF)、长短期记忆(long short-term memory,LSTM)网络和基于粒子群(particle swarm optimization,PSO)优化的反向传播神经网络(back propagation neural network,BPNN)构建冬小麦叶片含水量估算模型,并进行精度评价。结果表明,通过相关性分析与ReliefF算法结合优选变量,能够较单独通过相关分析明显提升LSTM和PSO-BPNN模型的建模精度,但对RF模型则无法优化变量。相关性分析与ReliefF结合后PSO-BPNN模型在各生育时期均取得最佳预测结果,其中孕穗期、抽穗期和灌浆期验证集r2分别为0.816、0.736和0.806,RMSE分别为0.546%、0.899%和1.531%,NRMSE分别为0.681%、1.195%和2.185%。由此可见,在相关分析的基础上,通过ReliefF算法优选特征变量能够提升特定模型对冬小麦叶片含水量的估算精度,其中对PSO-BPNN模型的效果最好。

关键词： 随机优化算法   机器学习   高维数据   计算成本   大数据   可扩展性   学习算法   数学建模  

摘要： 引言。数学建模是机器学习的理论基础,有助于更准确地刻画和求解实际问题。通过构建适当的数学模型,可以更好地理解数据的内在结构和规律,设计更高效的学习算法。随机优化算法在处理大数据和高维数据时表现出显著优势,能够在较低的计算成本下找到近似的最优解,从而提高算法的可扩展性。

关键词： 电力系统及其自动化   人工智能   非侵入式负荷监测   数据生成方法   周期信号频率不变变换   时间序列生成对抗网络  

摘要： 非侵入式负荷监测(non-intrusive load monitoring,NILM)是一种无需进入每个用电器内部系统,仅在用户总线入口处安装监测设备的技术.在开展NILM技术研究时,往往需要收集大规模的用户负荷数据来证明所提出方法的普适性,此需求不可避免地带来了繁重的数据收集与整理负担.为克服该挑战,设计了一种结合周期信号频率不变变换(frequency invariant transformation for periodic signals,FIT-PS)原理与时间序列生成对抗网络(time series generative adversarial networks,TimeGAN)的混合模型,记为FIT-PSTimeGAN.针对全球家庭与工业瞬态能量数据集(worldwide household and industry transient energy dataset,WHITED)中的空调、微波炉、吸尘器、冰箱和热水壶5种电器,运用FIT-PS对负荷数据集进行切割和拼接,构建TimeGAN不同状态下的训练集和测试集.评估测试集的效果发现,生成的波形数据与真实数据表现出高度一致性.进一步采用FIT-PS对训练得到的生成数据进行截取和拼接,生成满足测试需求的完整的单负荷波形和多负荷波形.对这些生成的波形与相同状态下的真实数据进行对比,结果显示两者吻合度很高.与自回归模型和生成对抗网络(generative adversarial network,GAN)模型相比,FIT-PS-TimeGAN模型在生成数据的性能方面表现更优.研究结果表明,FIT-PS-TimeGAN混合模型能够有效生成符合标准电器运行规律的波形和场景数据.

关键词： 农商银行   前沿科技   电子支付   人工智能   监测与防控   大数据   江苏泗阳   制度先行  

摘要： 江苏泗阳农商银行将大数据、人工智能等前沿科技深度融于电子支付业务,凭借数智化转型的强大驱动力,显著增强风险监测与防控效能,为民众电子支付安全筑起一道坚实防线。“制度+流程”构建电子支付风控基石制度先行,规范引路。

关键词： 新旧动能转换   人工智能   高科技产物   深度融合   无人系统   生产力   无人机产业   机器人  

摘要： 在2025年春晚的舞台上,机器人与无人机等新质生产力元素惊艳亮相,赚足了眼球。这些高科技产物不再是遥不可及的概念,它们正逐步走进寻常百姓的生活,让人们真切地感受到科技创新带来的乐趣,享受科技赋予生活的便利。无人机集群表演虽只是中国无人系统与人工智能发展的一个缩影,却充分展现了我国在这一领域的先进水平。如今,中国通信技术、人工智能与无人机产业深度融合,不断向各行各业渗透,作为新质生产力的代表,已然成为推动中国经济新旧动能转换的重要力量。

关键词： 大规模星座   健康管理   故障诊断   故障预警   星地一体化架构   人工智能  

摘要： 高效可靠的健康管理是未来大规模星座长期健康稳定运行的关键。当前,以单星为对象的航天器健康管理主要通过地面遥测数据分析实现,对大规模星座适用性不足。由于大规模星座具有节点规模大、交互关系复杂、数据异构海量等特点,其健康管理面临地面运维任务繁重、星地测控数传资源不足、通用故障模型库构建难度大等新挑战。针对这些挑战与问题,提出大规模星座健康管理星地一体化架构设计、星载高效故障诊断与预警、星座健康孪生评估与推演等关键技术,并对各项技术的内涵和难点展开分析。最后从科研投入、发展路线、顶层设计、新技术等方面,对我国大规模星座健康管理技术后续发展提出了若干建议。