关键词： 生成式AI   人工智能   艺术灵韵   计算创意  

摘要： ChatGPT等生成式AI的出现彻底改变了数字交互叙事的形态。在底层逻辑上,生成式AI打开了叙事数据库的边界,打破了叙事的封闭性和有限性,向用户开放了更高维度的叙事权限,带来了叙事的进一步民主化,使人机共同参与创作成为可能。这种协同创作不仅为叙事带来了动态性、随机性与开放性,也在交互过程、生成内容与创意涌现三个层面推动了本真与不可替代的艺术“灵韵”在AI生成时代的再度转生。我们正在进入人机交互生成叙事的全新时代,也到了反思人机关系的关键时刻。

关键词： 自动化应用   综合类期刊   自动控制系统   仪器仪表   机电工程   人工智能   自动化技术   传感检测  

摘要： 《自动化应用》是西南信息有限公司(原国家科技部西南信息中心)主管、主办的自动化技术综合类期刊,中国知网、万方、维普数据库全文收录期刊。《自动化应用》以新颖、实用、通俗、操作性强为办刊原则,向从事自动化研究与应用工作的技术人员和管理人员传播研究成果、技术知识、应用经验以及产品信息。主要栏目有:系统解决方案、自动控制系统、机电智能设备、数据处理与人工智能、传感检测与仪器仪表、新能源系统与储能、电力自动化、机电工程、电力设备、数据与图像处理、计算与通信技术等。读者行业分布包括电力、煤矿、供水、冶金、造纸、机械、石化、化工、纺织、建材等。

关键词： 生态环境保护   人工智能   数字技术应用   生态文明建设   绿色化   数字生态   绿色智慧   数字化  

摘要： 习近平总书记在全国生态环境保护大会上指出:“深化人工智能等数字技术应用,构建美丽中国数字化治理体系,建设绿色智慧的数字生态文明。”当前,数字化和绿色化相互融合、相互促进,已经成为生态文明建设的重要主题。

关键词： 机器学习   在线类增量学习   对比学习   插值混合   Universum  

摘要： 在线类增量连续学习旨在数据流场景下进行有效的新类学习,并保证模型满足小缓存和小批次约束.然而由于数据流的单趟(one-pass)特性,小批次内的类别信息难以如离线学习那样被多趟探索利用.为缓解该问题,目前常采用数据多重增广并借助对比回放建模.但考虑到小缓存和小批次限制,现有随机选择和保存数据的策略不利于获取多样性的负样本,制约了模型判别性.已有研究表明困难负样本是提升对比学习性能的关键,但这鲜少在在线学习场景被探索.Universum学习提出的概念含混(condued)数据恰好提供一种生成困难负样本的简单直观思路,据此先前用特定系数插值混合(mixup)诱导出的Universum数据(mixup-induced Universum,MIU)已有效提升了离线对比学习的性能.受此启发,尝试将其引入在线场景.但不同于先前静态生成的Universum,数据流场景面临着某些额外挑战.首先随类数的动态增加,相对基于全局给定类生成的静态Universum不再适用,需重新加以定义和动态生成,为此提出仅利用当前数据(局部)递归生成相对已见类熵为最大的MIU(称为增量MIU,IMIU),并为其提供额外的小缓存从总体上满足内存限制;其次将生成的IMIU和小批次内的正样本再次插值混合出多样且高质的困难负样本.最后综合上述各步,发展出基于IMIU的在线类增量对比学习(incrementally mixup-induced Universum based online class-increment contrastive learning,IUCL)学习算法.在标准数据集CIFAR-10、CIFAR-100和Mini-ImageNet上的对比实验验证所提算法一致的有效性.

关键词： 公路养护   大数据   人工智能   辅助决策  

摘要： 针对高速公路养护管理面临的诸多问题,提出了基于大数据和人工智能的高速公路养护智能辅助决策系统的构建方法。通过收集高速公路的基础数据、历史数据和实时数据,进行数据挖掘和分析,构建大数据基础平台;并在此基础上,设计养护智能化分析模型,构建养护智能化分析决策系统。该系统利用大数据和人工智能技术,实现了对高速公路实时监测数据、历史病害数据、气候与环境等多种类型数据的深度挖掘和分析,根据不同类型的分析结果为养护人员提供决策支持。最后通过试验路段验证了该系统的可行性。

关键词： 自然语言处理   事件关系抽取   深度学习   机器学习   语义信息  

摘要： 事件关系抽取以事件为基本语义单元从自然语言文本当中自动识别并提取出不同事件之间的逻辑关系。事件关系抽取是自然语言处理与理解中的一个重要方向,在航空安全、金融、医学、舆情分析等领域有着很高的应用价值。事件关系形式多样,目前事件关系抽取研究主要集中在时间关系、因果关系、共指关系和父子关系,该文以这四种关系作为分类标准介绍事件关系抽取任务。首先,介绍并总结了四种关系抽取任务中常用的中英文数据集;然后,分别描述了四种关系抽取任务的概念和应用场景,详细介绍了各类关系抽取任务中的不同方法及其代表模型,在此基础上对比分析了各类方法的优缺点,并对各模型的实验性能和相关实验数据进行了归纳总结;最后,对当前事件关系抽取面临的研究难点进行了分析,针对未来的重点研究方向和发展趋势进行了展望,为进一步完善事件关系抽取方法提供了思路。

关键词： 人工智能   深度学习   车辆再识别  

摘要： 为提高车辆再识别的准确率,提出了一种全局特征与局部特征相结合的方法,解决了车辆再识别时因车牌模糊,车辆轮廓不清晰,遮挡等因素而导致车牌识别精度低的问题。首先,使用孪生网络对待检测的车辆图像进行车尾形状、车头外观、车辆整体形状匹配,然后,使用基于YOLOv3的车牌识别网络,进行车辆局部形状、整体形状和车牌识别结合进行车辆再识别。结果表明,提出的方法在道路环境多变的情况下能很好地实现车辆再识别,再识别的综合准确率达到了93.63%,比DRDL、OIFE、RAM算法的再识别模型的准确率分别高7.28%、3.08%、0.75%。

关键词： 热空气老化   机器学习   断裂伸长率   预测   试验验证  

摘要： 采用热空气老化试验分析丙烯酸酯橡胶O形密封圈、氟橡胶O形密封圈以及丁腈橡胶O形密封圈断裂伸长率的变化规律.基于试验数据,利用机器学习方法建立预测橡胶圈断裂伸长率随老化时间变化规律的模型.研究结果表明,Savitzky-Golay滤波法和分段线性插值法的数据增强方法与极限梯度提升算法结合的机器学习技术,能够准确预测橡胶圈的老化规律和长期老化性能;经试验检测数据验证,与传统的拟合函数相比,机器学习预测模型在橡胶圈断裂伸长率的老化预测上具有更显著的准确性和适用性.

关键词： 国际照明委员会   光生物学   照明领域   科技工作者   图像技术   人工智能   CIE   信息交流  

摘要： 国际照明委员会中期会议将于2025年7月4日—11日在奥地利首都维也纳举行。其中,2025年7月4日—6日将举行CIE行政会议,7月7日—9日将举行CIE 2025中期会议,7月10日—11日将举行CIE分部和技术委员会(TC)会议。国际照明委员会(CIE)是致力于在光与照明、色彩与视觉、光生物学和图像技术的科学与艺术方面开展全球合作和信息交流的国际组织之一。本次会议将汇聚全球照明领域科技工作者共同推进光与照明科学以及CIE的技术和组织工作。在即将召开的会议上,六个分部的专家学者将共同探讨数字时代和人工智能对照明、控制和测量的影响等重要议题。

关键词： 数据中心   冷水机组   机器学习  

摘要： 随着数据中心的指数级增长,对高效热管理的需求变得更加迫切,尤其是在冷却系统中,冷水机组是主要的能源消耗设备。本文提出了一种基于机器学习的模型,旨在准确预测冷水机组的功耗,从而提高数据中心的能源效率。结果表明,与传统方法相比,本文的模型具有更高的准确性,为冷水机组能耗建模提供了一种新的方法。