关键词： 黏结剂喷射   黏结剂   坯体   烧结   机器学习  

摘要： 黏结剂喷射(binder jetting， BJ)是一种将液态黏结剂喷射到粉末材料层上，选择性黏结粉末成形，随后进行致密化处理的增材制造技术。近年来，BJ技术因其高效率、低成本、适用材料范围广而受到广泛关注和研究。在BJ打印过程中，粉末特性、黏结剂及其与粉床的相互作用、打印参数等因素对生坯质量和性能有至关重要的影响。此外，烧结过程是影响最终部件质量的关键因素之一。本文总结了BJ打印的影响因素，提出可借助机器学习辅助坯体质量和烧结收缩预测，实现控形控性。目前，BJ技术正在推向汽车、医疗器械等行业。未来，BJ技术大规模应用的关键是提高其生坯质量和精度、提升黏结剂与坯体的结合强度、优化后处理工艺等方面。

关键词： 大模型   伦理风险   公共行政   技术伦理   人工智能  

摘要： 大模型作为人工智能发展前沿,具备理解与创新的卓越性能,正被广泛应用于公共行政场景当中,包括为行政人员提供数智决策参考、辅助探索智慧治理模式、优化政府内部管理。除了给公共行政带来更为颠覆性的变革,大模型可能会加剧传统的技术伦理问题并引发新的伦理风险,表征为安全侵犯、公正减损、信任破坏、责任不明、人的自主性消解等样态。这些伦理风险的形成原因涉及双重维度,既包括内源性的技术因素,如技术内置的涌现性、生成性与同质性,又包括外源性的人的因素,如行政人员的认知局限、不当商业竞争、规制滞后。立足于伦理风险表征与成因分析,克服技术缺陷、重塑个人认知、调整应用场景、强化监管举措成为规制伦理风险的现实选择,进而使大模型应用的有效性与持续性显著提升,并赋予公共行政数字化转型良性色彩。

关键词： PCB   缺陷检测   机器视觉   机器学习   深度学习  

摘要： 印刷电路板（Printed Circuit Board， PCB）作为电子产品的核心组成部分，其质量直接影响产品的可靠性。随着电子产品朝着更轻、更薄、更精密的方向发展，基于机器视觉的PCB缺陷检测面临诸如微小缺陷难以检测等挑战。为深入研究PCB缺陷检测技术，根据其发展历程对各阶段的算法进行了详细探讨。首先，指出了该领域面临的主要挑战，并介绍了传统PCB缺陷检测方法及其局限性。接着，从传统机器学习和深度学习两个角度系统回顾了近几年PCB缺陷检测所采用的方法及其优缺点。随后，对PCB缺陷检测算法常用的评价指标和主流数据集进行了归纳，并对近三年在PCB Defect、DeepPCB和HRIPCB三个数据集上的最新研究方法进行了性能比较，分析了产生差异化的原因。最后，基于当前现状和亟待解决的问题，对未来的发展趋势进行了展望，旨在为后续相关研究提供参考。

关键词： 工业4.0时代   工业发展   智能制造   自动化技术  

摘要： 随着全球制造业进入工业 4.0 时代,智能制造和自动化技术成为推动产业升级的关键因素.本文首先概述了工业 4.0 的概念,并探讨了其对物联网、大数据、机器人技术和人工智能等核心技术的依赖.其次,分析了智能制造技术的优势,如先进的技术平台、机电一体化模式的应用以及实时智能制造数据的采集和分析.最后,着重阐述了实现智能制造和自动化技术的途径,包括物联网传感器和数据分析技术的应用、自动机械和自动化生产线的应用、工业生产和供应链结构的改变以及循环经济实践和碳足迹监测等方面,旨在为制造业在工业 4.0 时代的转型升级提供理论指导.

关键词： 人工智能   人工智能能力框架   教师人工智能能力框架   教师人工智能素养   教师专业发展  

摘要： 人工智能将教育领域传统的“师生二元关系”转变为“教师—人工智能—学生的三元动态关系”。这种转变要求重新审视教师角色及其在人工智能时代所需的能力。然而，目前极少数国家定义了这些能力或制定了培训教师人工智能能力的国家规划，导致许多教育者缺乏指导。在此背景下，联合国教科文组织发布了《教师人工智能能力框架》，定义了教师在人工智能时代必须掌握的知识、技能和价值观。该框架采用二维矩阵的方法，构建了涵盖5个能力层面，横跨获得、深化和创造3个能力等级的15种人工智能能力模块，并为教师提供了建立人工智能知识、应用伦理原则和支持其专业成长的框架应用策略。作为全球教师人工智能能力框架构建的参考工具，分析该框架有助于指导我国研制面向教育强国需求、契合教育家精神的本土化教师人工智能能力框架，为我国教师培训和评估项目提供参考。

关键词： 智能交通   大语言模型   道路交通   人工智能   自动驾驶  

摘要： 【目标】启发和推动大语言模型在道路交通领域中的创新与应用。【背景】以ChatGPT为代表的大语言模型的出现深刻改变了人类社会，推动了人工智能技术的发展，并显著影响了社会互动的方式，也包括道路交通领域。【方法】首先，简要介绍了大语言模型及其主要特征。其次，列举其在道路交通领域的典型应用，梳理共性特征。最后，论述了大语言模型的一些局限性。【结果】大语言模型可以在如下几方面赋能道路交通研究与应用：减少用户与结果之间的技术障碍，帮助模型适应实际需求，交通视频自动理解，减轻梳理文本工作的负担，助力自动驾驶。换个角度讲：凡是遇到上述技术障碍，均可考虑使用大语言模型来辅助问题的解决。指出了目前大语言模型的一些局限性，包括：可重复性问题，缺乏领域知识，处理速度，“幻觉”问题，缺乏对物理世界的理解，隐私和安全问题。

关键词： 颈椎失稳   临床预测模型   机器学习   中青年人群   预测因子  

摘要： 背景：颈椎失稳是中青年人群常见骨科疾病，是颈椎病早期表现，对患者生活质量影响较大。因此，早期诊断颈椎失稳以实施早期干预具有积极的临床意义和社会意义。目的：基于机器学习构建中青年人群颈椎失稳临床预测模型，在进行X射线片检查之前，实现中青年人群颈椎失稳早期筛查。方法：2022年9月至2023年10月通过招募广告和中国中医科学院望京医院脊柱科门诊招募155例中青年颈椎失稳受试者和88例非颈椎失稳受试者作为研究对象，基于调查问卷形式现场采集受试者一般信息、生活工作习惯、不适症状、颈痛目测类比评分、颈椎功能障碍指数、健康调查简表(SF-36)等信息，并将以上信息作为预测因子，经筛选后，以支持向量机、轻量的梯度提升机、随机森林、逻辑回归分析、自适应提升算法、极致梯度提升分类器6种机器学习算法采用十折交叉验证方法进行模型训练，构建颈椎失稳临床预测模型，以曲线下面积为主要评价指标。将预测因子进行单因素分析，并采用SHAP方法对预测因子的重要性进行排序，以相关性热力图展现预测因子之间及其与颈椎失稳之间的线性相关程度。结果与结论：(1)6种机器学习模型中，选用随机森林模型为最终预测模型，包含年龄、体质量指数、颈围/颈长、颈痛目测类比评分、颈椎功能障碍指数、SF-36健康状况量表躯体疼痛、总体健康、生命活力、精神健康评分9个预测因子，曲线下面积=0.725 4，具有良好的预测能力，可作为早期筛查中青年人群颈椎失稳的参考工具；(2)两组受试者的年龄、颈痛目测类比评分、颈椎功能障碍指数、SF-36健康状况量表躯体疼痛、总体健康、生命活力评分相比差异有显著性意义(P <0.05)；(3)预测因子重要性排序为年龄、颈椎功能障碍指数、颈痛目测类比评分、总体健康、体质量指数、生命活力、躯体疼痛、颈围/颈长、精神健康，其中年龄、颈痛目测类比评分、颈椎功能障碍指数与颈椎失稳呈正相关，总体健康、体质量指数、生命活力、躯体疼痛、颈围/颈长、精神健康与颈椎失稳呈负相关。

关键词： 人工智能   中医骨伤   影像学分析   骨伤康复管理   传统与现代的结合  

摘要： 近年来,人工智能(Artificial intelligence,AI)在中医骨伤领域的应用逐渐受到重视,特别是在诊断、治疗和康复管理方面显示出显著成效。中医骨伤治疗具有悠久历史,传统上依赖于“望闻问切”诊断法及草药、针灸等疗法,通过整体观和个性化治疗调节气血平衡。AI技术的引入提升了影像学诊断的精确性和效率,尤其在骨折检测和正骨手法优化方面展现出优势。基于AI的诊断辅助工具进一步推动了脉诊和舌诊的客观化和量化,改善了传统中医诊疗的精确性;同时AI还可实时监测患者恢复情况,提供个性化康复建议,便于远程医疗服务的推广应用。尽管AI技术在中医骨伤应用中仍面临数据标准化、技术与文化融合等多方面挑战,但其在该领域的广泛应用将进一步推动中医骨伤学科的现代化发展,为个性化、精细化的中医骨伤治疗提供理论依据和实践支持。

关键词： 知识工程   人工智能   船舶设计   大型语言模型   船体设计   船型优化  

摘要： 随着人工智能的蓬勃发展，知识工程作为一门研究知识智能化处理的工程技术学科，逐渐成为研究热点，基于知识工程的船舶设计方法也得到越来越多的关注。为此，从船舶总体概念方案设计、船体结构设计和船舶布置设计3个方面，系统归纳和分析国内外知识工程在船舶设计领域的应用发展情况，并详细介绍船舶型线设计和厂所协同设计中知识工程应用的两个典型案例。同时，总结提炼出知识工程应用中存在的主要问题与制约因素，并对大型语言模型（LLM）技术推动知识工程发展进行展望。通过知识工程技术，船舶设计可实现智能化，能快速调用相关规范与要求，并将已有的经过充分实践论证的船舶设计知识进行储存及衍生，从而提高设计效率，缩短设计周期，但对知识工程技术的充分应用仍面临诸多挑战，需进一步探索与完善。

关键词： 烧结矿   转鼓强度   Boosting算法   机器学习   预测  

摘要： 烧结矿的质量极大影响高炉顺行，转鼓强度是衡量烧结矿质量的重要指标。传统的人工采样检测烧结矿转鼓强度的方法存在滞后性，基于机理分析和人工经验的转鼓强度预测方法精准性不足。因此，基于烧结生产数据，使用机器学习的方法开展预测研究。首先，完成数据异常数据的识别、缺失数据的填充等预处理，获取可用于建立预测模型的高质量数据集；然后，结合Pearson线性相关性分析和MIC非线性相关性分析的方法筛选出与转鼓强度相关性强的参数作为预测模型输入特征；最后，采用四种Boosting算法（CatBoost、XGBoost、AdaBoost和LightGBM）建立烧结矿转鼓强度预测模型。预测结果表明，CatBoost模型的综合预测效果最佳，在误差范围为0.8%时命中率为92.7%。LightGBM模型的RMSE指标最小，可以结合使用降低模型产生大误差的风险。CatBoost和LightGBM转鼓强度预测模型有望提高烧结矿转鼓强度预测准确性并消除传统采样方法存在的滞后性，从而及时调整烧结生产过程的参数设置，提升烧结矿的质量。