关键词： 出口跨境电商   信用风险评价   不平衡数据   机器学习  

摘要： 出口跨境电商在促进我国外贸提质增效、扩大外循环以及推动产业链迈向中高端等方面起到了重要作用。数字技术的创新进一步加剧了跨境电商的信用问题,亟须提高对出口跨境电商的信用风险评价能力。本文基于2012-2022年我国45家出口跨境电商沪深A股上市公司的317条数据,分别运用Logistic、SVM、MLP、RandomForest、XGBoost算法,建立出口跨境电商上市公司信用风险评价模型。结果显示:机器学习方法较传统回归方法更适合构建出口跨境电商信用风险模型;结合特征筛选的结果来看,SMOTE-LassoCV-RandomFores t是表现最好的模型。另外,相对重要性较高的指标依次为上市年限、标准审计意见、管理层平均年龄、独立站和资产负债率。基于此,应制定出口跨境电商信用风险评价标准,完善大数据技术以提高预测准确率;加快跨境独立站发展,推动跨境电商品牌建设;切实发挥出口信用保险作用,提升对贸易高质量发展服务质效。

关键词： 大数据分析   输电线路   运行状态评估   故障预测   机器学习   深度学习  

摘要： 随着现代电力系统复杂程度的提高和规模的扩大,评估与预测输电线路的运行状态变得愈发重要.本文概述了基于大数据分析的输电线路运行状态评估与预测的最新研究进展,包括数据采集与预处理、特征提取、建模和算法选择等关键技术环节.通过分析大量历史运行数据,结合机器学习和深度学习算法,可以有效地识别输电线路的潜在故障和运行状态趋势,提高电力系统的可靠性和稳定性.

关键词： 车联网   紧急消息   机器学习   智能合约   信任评估  

摘要： 车联网是智能交通系统的重要组成部分，能够通过传播车辆消息提高交通安全和效率，近年来得到政府、工业和学术界的广泛研究。然而，在车联网中，恶意车辆 广播的虚假紧急消息将对车联网正常运行和交通安全造成极大的威胁。为解决现有车联网信任管理方案在高恶意车 辆占比下消息信任评估准确性低的问题，提出一种车联网中机器学习辅助的紧急消息信任评估方案。方案对现有方案的消息信任评估算法进行优化，在评估过程中引入随机森林模型以辅助路侧单元对车联网中紧急消息进行分析，并输出消息为真实消息的预测概率。接着，基于随机森林模型输出的预测概率设计可切换缓存机制，并结合智能合约设计信任值查询算法，以平衡现有方案中路侧单元在查询效率和存储空间开销之间的冲突。同时，将预测概率作为参考因子引入消息信任评估算法，以得到更高的消息评估准确率。最后，基于所提方案，与现有方案进行对比。实验结果表明，所提方案的消息信任评估准确率提升约6.2%-21.9%，且在多种恶意车辆占比下表现出较好的鲁棒性。

关键词： 新型电力系统   储能系统   辅助运行   优化配置   人工智能  

摘要： 随着全球能源转型步伐的加快，可再生能源发电比例不断提升，电力系统的波动性与不确定性也随之增加，这对电力系统的灵活调节能力和稳定运行提出了更高要求。针对上述问题，本文全面综述了储能系统（Energy Storage System， ESS）在辅助新型电力系统运行控制中的关键作用及其优化配置技术。首先，系统梳理了储能系统在电力系统调峰、调频以及电能质量改善等方面的多种应用场景，深入探讨了这些应用场景下储能系统的优化配置策略。其次，对储能优化配置的经济性、可靠性以及稳定性等目标进行了详细的分析研究。然后，对比了不同优化算法（包括线性规划、动态规划、遗传算法、粒子群优化等）的优缺点及适用性。最后，揭示了储能优化配置技术所面临的挑战及未来发展方向。通过分析表明，科学合理的储能资源配置对于提升电力系统的运行效率、稳定性和可靠性至关重要，是推动可再生能源广泛应用和实现智能电网构建目标的关键技术途径。未来，随着新型复合储能技术的发展和智能优化算法的引入，储能优化配置技术有望在新型电力系统的可持续发展中发挥更加突出的作用。

关键词： 人工智能   红外测温   模拟系统  

摘要： 随着科技的快速进步,红外测温技术在工业、医疗、安全监控等领域应用越来越广泛.然而,传统的红外测温方法在某些情况下可能因环境、设备或人为因素的影响而产生误差.为了提高红外测温的准确性和效率,本文结合远程控制、多模式识别和自动化技术,构建了一个基于人工智能的红外测温模拟系统,此系统不仅能够精确控制电气设备热源,还能智能识别和分析红外测温数据及图像,并自动生成详细的操作报告.这一创新不仅优化了红外测温流程,还提高了测温数据的可靠性和工作效率,为红外测温技术的发展注入了新的活力,拥有广阔的应用前景.

关键词： 人工智能   慢性病管理   高血压   糖尿病   慢性疼痛  

摘要： 人工智能（AI）技术近年来广泛应用于解读医学图像、预测传染病暴发、诊断罕见病和常见病等多个方面。在慢性病管理中，AI通过整合和分析大数据，结合智能设备，在临床决策支持、随访、监测和治疗结果预测方面展现了其独特的优势。然而，慢性病AI管理仍面临诸多挑战，包括数据质量问题、缺乏技术与临床实践的整合、隐私安全隐忧、以及相关法律与制度不完善等。未来，AI需要进一步提升自然语言理解和个性化治疗推荐等方面的能力，加强AI技术人员和医疗专业人员之间的密切合作，确保AI在慢性病管理中的开发和应用具有较高的临床相关性，真正实现对慢性病患者预防、治疗、康复的精准管理。本文探讨了AI在高血压、糖尿病和慢性疼痛等重大慢性病管理中的最新应用进展。

关键词： 人工智能   异化   劳动   交往   意识  

摘要： 在当今人工智能极速发展的时代，人类面临多重异化风险。人们处于智能科技与算法的包围之中，使人产生一种束缚感和被控制感；人工智能在工作领域的渗透使人面临技术性失业问题，并且这种情状还威胁到人的劳动本质；生存的智能化和虚拟化，使得虚拟交往流行而实体交往被边缘化，同时也使得人减少与他人交往的时间，从而造成人际交往异化；人工智能对人类智能的超越还冲击到人的主体地位，具有自我意识的超级人工智能或将致使人的最大异化。技术的发展不可阻挡，我们应正确认识人类自身的地位和人机关系，积极追上技术的发展，找到人机和谐共生的方法。

关键词： 人工智能   脑卒中   文献计量学   可视化分析   研究热点  

摘要： 目的 本研究旨在通过文献计量学的方法，了解人工智能在脑卒中领域中的应用研究进展，为此后该领域的研究提供有价值的思路和参考。方法 本文以中国知网（CNKI）与WebofScience（WOS）核心数据库中2004年1月1日至2024年7月30日的相关文献为研究对象，运用CiteSpace软件进行科学计量分析。结果 文献数据分析显示，该研究方向的发文量正逐年增加，国内自2020年起增长显著，而国外则自2018年就进入高速增长期。目前中国与美国在该领域发文量最多，图宾根大学与麻省理工学院是该领域影响力最高的研究机构，国内的研究机构中介中心性低，影响力较弱。从研究结果可知，学者与机构间存在一定的关联性，国际研究学者间合作的密切程度也高于国内。被引用最多的文献主要涉及方向有机器学习与预测模型。当前该领域研究热点主要有康复机器人、机器学习、深度学习、脑机接口等方向。该领域的研究趋势从最初的机器人、脑机接口等人工智能辅助设备转移至机器学习、深度学习、影像组学、预测模型等人工智能算法的研究与应用。结论 国内外人工智能在脑卒中领域的研究正处于一个发展爆发期，学者的重视度逐年上升，未来应继续关注国内外发展动向及学科前沿，并开展更多相关的高质量研究，为人工智能在脑卒中领域的应用制定更科学、更完善的诊疗方案。

关键词： 人工智能   著作权侵权   数据训练   合理使用   转换性使用  

摘要： 数据训练是影响人工智能最终功能与效果实现的决定性因素,亦是引发众多著作权纠纷的主要原因。被告时常以著作权合理使用为侵权抗辩理由,学界业界对此莫衷一是。通过对人工智能情境下数据训练著作权侵权规制路径主要模式的归纳与辨析后得出,著作权合理使用为数据训练著作权侵权规制路径的最优解。目前,我国著作权合理使用法律规则与人工智能数据训练的使用情形尚不能适配。美国“转换性使用”标准作为扩大合理使用情形的一般判断规则,因存在理论与实践瑕疵,不适宜将其直接移植入我国法律中来。人工智能数据训练的合法化符合我国社会政策发展需要,有助于提升人工智能新质生产力并可促进人工智能产业国内外公平发展。以上可为我国设置具体的人工智能数据训练合理使用法律条款释疑及证成。

关键词： 水驱特征曲线   神经网络   机器学习   含水率  

摘要： 常规水驱特征曲线可以较好地描述油田水驱动态规律，但考虑因素较少，无法确定不同水驱阶段含水率变化的主控因素。提出一种基于机器学习的水驱特征曲线建立方法，利用神经网络高精度非线性拟合的特点得到含水率和8个开发参数的内在规律。首先按照含水率的变化将L油田的开发阶段分为4个，而后运用新型水驱特征曲线进行含水率的拟合及预测，最后基于拟合所得的新型水驱特征曲线求取含水率对不同开发参数的偏导，并建立贡献因子计算公式，从而对不同开发阶段下含水率变化的主控因素开展定量分析。结果表明，不同阶段含水率的拟合平均绝对误差分别为1.74%、0.70%、0.19%、0.38%，预测平均绝对误差分别为2.17%、1.08%、0.37%、0.74%，精度较高。新型水驱特征曲线具有较高的实用性，对油田开发调整具有重要指导意义。