关键词： 数据去偏   机器学习   对抗学习   自编码器  

摘要： 针对消除数据中敏感属性与非敏感属性之间的相关性、减轻实现公平性对模型准确性的损失以及多敏感属性去偏的问题，提出一种对抗生成式的多敏感属性数据去偏方法。在多敏感属性去偏问题上，该方法通过多个敏感属性的组合值来划分群组，并通过消除各群组与多敏感属性组合的相关性来提升各群组预测结果的公平性。在消除数据中敏感属性与非敏感属性之间的相关性问题上，采用自编码器与预测敏感属性的网络进行对抗式训练，这种训练机制能够深入挖掘并消除群组中潜藏的与敏感属性相关的信息，从而在保留数据有用性的同时，显著降低偏见。在减轻实现公平性对模型准确性损失，最大化准确性与公平性之间平衡的问题上，通过引入预测网络，并利用其损失函数作为约束，优化编码器的信息提取能力，确保在数据编码过程中能够更精准地捕捉关键信息，避免数据去偏过程过度牺牲模型的预测性能。在三个真实数据集上进行数据去偏实验，将经编码器编码的数据应用于逻辑回归模型，公平性的提升在50.5%到84%之间，验证了该数据去偏方法的有效性。综合考虑公平性、准确性以及公平性与准确性的平衡，该去偏方法优于其他去偏算法。

关键词： 数据分级分类   数据要素治理   机器学习   深度学习   大语言模型  

摘要： 近年来，各类信息系统和物联网不断发展，与人类日常生活融合日趋紧密。由此产生的海量数据已经成为当今社会经济中的一种新型生产要素，甚至是国家战略资源，如何有效地管理数据要素越来越得到国家、企业和科研机构的重视。准确合理的数据分类分级作为数据治理任务中最基础的一步，将对后续数据的确权、共享、安全保护等产生重大影响。本文首先对数据分类分级任务进行定义，并介绍了传统分类分级的方法；其次，本文对新近基于人工智能，尤其是大语言模型的数据分类分级技术进行了概括和对比；随后，鉴于数据分类分级与行业的相关性，本文对重点行业和领域中数据分类分级应用情况进行了介绍；最后，本文对数据分类分级技术的发展进行了前瞻，讨论了未来面临的新挑战和可能的发展方向.

关键词： 建成环境   城市活力   机器学习   阈值效应   西安市  

摘要： 厘清微观尺度下建成环境对城市活力的影响机制，有助于精准引导存量更新背景下精细化城市规划的实施方向。基于多源数据，以西安市中心城区为例，采用融合机器学习算法和沙普利加性可解释方法 （SHapley Additive exPlanations,SHAP），从街道和街区两个层面，探究建成环境对城市活力的影响机制。结果表明：（1）西安市中心城区城市活力在街道与街区两个层面的空间分布特征基本相似，均呈现从中心向边缘递减的活力梯度格局；活力热点分布在街道与街区层面略有差异，存在空间异质性。（2）在影响西安市中心城区城市活力的建成环境要素中，在街道层面，相对重要性最高的为全局整合度，在街区层面，相对重要性最高的为POI类别数。（3）西安市中心城区建成环境要素对城市活力存在非线性影响，在影响街道和街区活力的共同核心要素中，天空开敞度、地铁可达性在街道和街区层面阈值效应基本一致；POI类别数、容积率和绿视率在街道和街区层面的作用方式有差别。影响城市活力的建成环境要素之间存在交互作用，在街道层面，交互作用处于主导地位的为地铁可达性，街区层面为POI类别数。基于研究结果提出了相关规划建议，加强街道与街区协同发展，提高城市活力。

关键词： 万古霉素   机器学习   群体药动学   治疗药物检测   精准用药  

摘要： 目的：利用大样本模拟数据集建立XGBoost模型，从2个血药浓度点和少数特征预测万古霉素AUC24 h并与贝叶斯估算法对比。方法：回顾性收集南京医科大学第一附属医院2021年8月至2023年12月间接受万古霉素治疗的246例患者的454个血药浓度数据和临床信息。建立万古霉素群体药动学（population pharmacokinetics，popPK）模型。使用popPK模型参数模拟出4 000条血药浓度-时间曲线，梯形面积法计算“参考”AUC24h，将数据分为训练集、测试集和验证集。基于给药前0.5 h(Cmin)和给药后1 h(Cmax)的血药浓度数据和其他特征训练XGBoost算法以预测AUC24h。最后，在验证集中评估该模型并将其与贝叶斯估算法进行比较。结果：万古霉素成人患者的popPK模型可采用一房室模型拟合，残差变异符合Power模型。体质量、尿素和肌酐清除率对万古霉素的群体药动学参数有显著影响。基于Cmin、Cmax和两者之间的浓度差以及其他5个协变量（尿素、体质量、肌酐清除率、日剂量和给药间隔）建立的XGBoost模型能够准确预测AUC24h，在测试集中R2为0.999 3，RMSE为4.80，MAE为3.37。该模型在验证集中的表现优于贝叶斯估算法。结论：总之，从popPK模拟数据中训练的XGBoost算法能够准确且精确地估算万古霉素AUC24h。这项研究为基于机器学习技术的精准用药提供了新思路。

关键词： 机器学习   数据安全   遗忘权   模型遗忘   可验证性  

摘要： 全球数字化进程的加速伴随着数据主体信息失控现象日益显著。国内外数据安全相关法律相继出台，其中遗忘权（the Right to Be Forgotten）强调了数据主体拥有从数据使用方撤回其数据的权利。模型遗忘（Machine Unlearning）是机器学习领域践行遗忘权的技术，允许模型拥有方（即数据使用方）从已训练的模型中遗忘原本训练数据的指定数据，以满足数据拥有方撤回其数据的需求。现有针对模型遗忘效果的验证方法通常假设存在一个从未使用过被遗忘数据的基准模型，并通过测量遗忘后模型和基准模型的参数分布或输出分布是否足够相似来完成验证。然而，在恶意攻击场景下，模型拥有方容易伪造遗忘后模型的参数和输出分布，且模型参数通常难以归因于特定的训练数据，导致验证方难以有效验证目标模型是否遗忘其数据。本文提出了一种新的公开可验证模型遗忘方案，该方案在数据拥有方和模型拥有方之间执行，并在模型拥有方出现恶意行为时，数据拥有方能够生成任意第三方可验证的不可否认凭证。具体地，数据拥有方先利用动态通用累加器来认证被授权使用的数据或删除不被授权使用的数据；随后，模型拥有方在公开可验证隐蔽模型下证明模型训练使用了被累加数据或没有使用不被累加数据；最后，数据拥有方验证证明的有效性，若发现模型拥有方使用了未授权数据，则其生成公开可验证的凭证来追责模型拥有方的不合法行为。测试实验评估了不同数据量下证明和验证的计算开销，同时评估了不同数据点删除对模型预测结果的影响。

关键词： 线粒体自噬   类风湿关节炎   机器学习算法   加权基因共表达网络分析   预测模型   外部验证   免疫细胞   生物学功能风险  

摘要： 背景：类风湿关节炎发病机制至今尚未完全清晰，近来有研究表明线粒体自噬与类风湿关节炎存在关联性，但关键机制有待深入探究。目的：利用多机器学习算法鉴定和验证类风湿关节炎中线粒体自噬过程的核心互作基因并解析其免疫调控过程。方法：从GEO数据库整理类风湿关节炎转录组表达数据集GSE15573作为独立训练集，GSE97779和GSE55235合集作为独立验证集。利用训练集筛选类风湿关节炎差异表达基因，同时进行“WGCNA”分析。然后从“MitoCarta3.0”数据库下载线粒体自噬相关基因，将其与类风湿关节炎差异基因和“WGCNA”分析模块基因取交集获得类风湿关节炎-线粒体自噬相关基因，将相关基因进行功能富集分析以明确细胞通路。随后利用“Random Forest”和“LASSO”2种机器学习算法分别筛选特征基因，利用“GMM”机器学习算法对前2种机器学习算法筛选的交集基因拟合验证，以获得类风湿关节炎-线粒体自噬核心互作基因。进一步建立预测模型，并利用外部验证集验证。最后，采用“CIBERSORT”进行免疫浸润分析此过程中免疫细胞亚群占比及亚群之间关联性，采用“ssGSEA”分析类风湿关节炎-线粒体自噬核心互作基因与免疫细胞亚群间关联性，同时分析核心互作基因的相关“GO”“KEGG”生物学通路。结果与结论：(1)差异分析获得807个类风湿关节炎差异表达基因，“WGCNA”分析筛选出2个特征模块含1 208个基因，线粒体基因数据库整理出1 136个基因，三部分基因取交集获得53个基因为类风湿关节炎-线粒体自噬相关基因；(2)相关基因的功能富集分析结果显示细胞过程主要与线粒体自噬、过氧化物酶体代谢、细胞衰老、坏死性凋亡相关；(3)3种机器学习算法鉴定出4个类风湿关节炎-线粒体自噬核心互作基因(DNAJA3、C12orf65、AKR7A2、PDHB)；(4)预测模型的风险评分受试者工作特征曲线下面积为0.989，外部患者样本的工作特征曲线验证类风湿关节炎-线粒体自噬核心互作基因的曲线下面积均大于0.7；(5)免疫调控分析显示类风湿关节炎中线粒体自噬过程与记忆B细胞、M0型巨噬细胞、活化的记忆性CD4 T细胞、静息态记忆性CD4 T细胞密切相关；(6)生物学通路分析结果显示核心互作基因与821条“GO”通路强相关(|cor|> 0.8,P <0.001)，与48条“KEGG”通路强相关(|cor|> 0.8,P <0.001)，其中关键生物学过程与线粒体DNA代谢、线粒体DNA修复、线粒体DNA复制、线粒体基因组维护、线粒体去极化的正向调控和参与凋亡信号通路的线粒体外膜通透性的正向调控有关；(7)上述结果证实，DNAJA3、C12orf65、AKR7A2、PDHB是类风湿关节炎中线粒体自噬过程的核心互作基因，通过参与特定免疫过程在疾病进展中发挥关键作用，对类风湿关节炎的诊断具有精准预测效果。

关键词： 结直肠癌   癌前病变   结直肠息肉   组织学诊断   人工智能  

摘要： 结肠镜下早期发现和处理结直肠癌(colorectal cancer,CRC)及其癌前病变是降低CRC死亡率的关键。然而准确的病理评估也是CRC筛查的一个重要组成部分,通过诊断检测病变的性质并推荐一个适当的随访策略,可以避免监测结肠镜检查的过度使用或间隔期结直肠癌的发生。全视野数字病理切片(whole slide imaging,WSI)与人工智能(artificial intelligence,AI)的结合为病理领域提供了一种独特的工具和算法,从而帮助优化诊断、指导治疗和预测预后等。WSI为基于AI的诊断工具的开发提供了机遇,通过计算病理学的应用,实现了更加精准和可重复的诊断结果,有望对临床实践带来深远影响。该文就国内外关于CRC及其癌前病变组织学诊断相关的AI研究进展作一综述。

关键词： 结构地震位移   高层剪力墙结构   生成对抗网络   机器学习  

摘要： 对高层剪力墙类型建筑结构进行地震位移分析，有助于工程师评估建筑物的抗震能力。现有方法多采用有限元进行计算，时间开销大。为此，提出一种基于生成对抗网络的高层剪力墙结构地震位移快速预测方法。该模型基于生成对抗网络结构拟合剪力墙部署与结构地震位移之间的映射函数。为提高模型剪力墙结构地震位移预测准确性与可行性，基于模型对建筑图像进行语义化处理，保留关键结构信息并将其作为输入，输出所预测的结构地震位移，同时在输出结果评估中通过逐像素得分，对训练后的模型性能进行评估。实验结果表明，该模型SSIM、PSNR、LPIPS指标值分别在0.98、32.1、0.02左右，均优于pix2pix模型，同时其LCA值和MAE值也表现良好，该方法能够作为有限元方法的有益补充，并更好地应用于结构优化等。

关键词： 循环冷却水系统   阻垢模型   结垢机理   BP神经网络   机器学习  

摘要： 大型换流站调相机外冷水系统腐蚀结垢直接关系到冷却器的热力性能，开展冷却水结垢机理研究和结垢预测研究对保障电网安全运行具有重要意义。对调相机外冷水结垢机理和现有结垢预测模型进行探讨，在此基础上提出以深度学习算法进一步建立精确的垢生长数学模型。首先对某大型特高压换流站冷却水系统运行数据进行预处理，得到3 250组有效数据样本，之后以该数据集进行训练，采用反向传播（BP）神经网络和机器学习算法建立循环冷却水系统的结垢预测模型，并对该模型的预测精准度进行评价。评价结果表明，训练后的模型能够有效预测结垢量，总体平均相对百分比误差（MAPR）在7.53%以下，决定系数(R2)为0.985，具备良好的拟合效果以及泛化能力。

关键词： 人工智能   网络文学   “主体性”危机   镜像化扩容   数据化依赖  

摘要： 迅猛发展的人工智能正在对网络文学的创作主体、内容生成以及网络文学产业化产生深刻的影响。智能化程度越来越高的人工智能是否会替代人类,成为网络文学创作的主体是首要问题,人工智能归根结底只是人类制造发明的工具,即使是生成式人工智能,它所依赖的依然是数据、算法与算力,而人的存在才是衡量人工智能的价值尺度。人工智能没有真正的“主体性”,但会推动网络文学生产方式的演变。人工智能深度融入现实生活的实践,会影响网络文学的内容生成而具有镜像化扩容的效果,促进科幻类网络文学的崛起,丰富网络文学的情节设定和内容想象,产生能促进类型小说内容变革与创新的新变量。人工智能对网络文学产业的深度介入形成了网络文学的数据化依赖,会实现网络文学的定制化生产、精准化推送和个性化阅读,但也会造成网络文学创作的庸俗化、同质化和数据崇拜,容易产生信息茧房的消费症候,造成审美趣味的单一与审美能力的弱化。