关键词： 人工智能   绿色低碳发展   工业绿色生产   新质生产力  

摘要： 在新质生产力背景下,人工智能已成为引领工业高质量发展的新动能。基于2011—2021年中国内地省级面板数据,实证考察人工智能对工业绿色低碳发展的影响,可以发现:第一,人工智能的发展显著降低了工业碳排放强度,同时显著提升工业绿色全要素生产率,在考虑内生性偏误后,该结论仍然成立;第二,人工智能对工业绿色低碳发展的影响呈现出西部地区最强、东部地区最弱的区域异质性特征;第三,人工智能通过绿色创新效应、效率提升效应和结构调整效应,满足了新质生产力的催生条件,有助于促进工业绿色低碳发展;第四,经济发展水平、城镇化水平、居民受教育程度和研发投入强度等外部环境变量能够正向调节人工智能对工业绿色低碳发展的影响。为此,应该采取以下措施:着力提升各地人工智能发展水平,激发人工智能的工业绿色低碳发展红利;畅通多渠道对“智能化+绿色化”融合的支持作用,加快形成新质生产力;重视外部环境因素的调节作用,最大限度地释放人工智能的节能降碳潜能。

关键词： 科学数据开放共享   大模型   开放数据   人工智能   敏捷治理  

摘要： [目的/意义]探讨科学数据开放共享中大模型的应用及其限度，以期发挥大模型的技术赋能效应，助力科学数据开放共享数智化转型升级。[方法/过程]结合数据生命周期理论和利益相关者理论，梳理大模型应用于科学数据开放共享的逻辑理路、分析风险隐患并提出治理对策。[结果/结论]研究表明，首先，大模型能够从客体向度优化科学数据全生命周期形态、从主体向度激发利益相关者开放共享动力，从而有效驱动科学数据开放共享提质增效；其次，大模型应用带来脏数据与假数据的数据质量风险、内部威胁与外部攻击的数据安全风险、赋权与去权的数据权利保护风险；最后，应构建包含适应性治理理念、韧性治理机制和包容性治理工具在内的敏捷治理模式，以平衡促进应用与管控风险之间的张力，保障科学数据开放共享中大模型的妥善应用。

关键词： 人工智能   供应链韧性   CiteSpace   知识图谱   可视化分析  

摘要： 人工智能在提升供应链资源管理能力和增强供应链韧性方面具有显著潜力。本文运用文献计量软件CiteSpace对2008—2023年Web of Science数据库中286篇关于人工智能在供应链韧性领域的文献进行可视化知识图谱分析，旨在探索该领域的研究概况、热点和趋势。研究发现，该领域研究正处于快速发展阶段，拥有众多学者参与并取得丰富的研究成果；研究热点集中于人工智能优化供应链管理实践和决策过程的技术机理与作用机制以及通过人工智能增强供应链中断应对能力并提升供应链韧性；未来重要的研究趋势包括如何有效应对供应链中断、实现数字化供应链以及构建更为韧性的供应链，并关注人工智能与其他数字技术相互融合对这一过程的影响机制。

关键词： 带状疱疹后神经痛   机器学习   抑郁状态   危险因素   预测模型  

摘要： 目的：基于机器学习算法构建带状疱疹后神经痛（postherpetic neuralgia， PHN）患者抑郁状态风险预测模型，为临床PHN患者抑郁状态发生的精准预测提供新的思路和方法。方法：选取2022年6月-2023年6月在重庆市某三甲医院住院的PHN患者作为研究对象，按8:2比例随机划分为训练集和测试集，以是否发生抑郁状态为结局变量，分别基于K邻近（K-Nearest Neighbors， KNN）、决策树（Decision Tree，DT）、逻辑回归（Logistic Regression，LR）、朴素贝叶斯（Naive Bayes，NB）、随机森林（Random Forest，RF）、支持向量机（Support Vector Machine， SVM）6种机器学习算法构建PHN患者并发抑郁状态风险预测模型。基于受试者工作特征曲线下面积（AUC）、准确度、精确度、召回率、F1分数评估模型性能，选出最优模型。结果：共纳入275例PHN患者，其中170例病人发生抑郁状态，抑郁状态发生率为61.82%。KNN、DT、LR、NB、RF、SVM模型的AUC值分别为0.574、0.589、0.760、0.742、0.591、0.733，其中LR模型AUC值、准确度、精确度、召回率、F1分数最高。结论：基于LR机器学习算法构建的PHN并发抑郁状态的风险预测模型性能最优，有助于临床早期评估和预防其抑郁状态的发生。

关键词： 机器学习   乙烯裂解炉   算法   模型   预测   神经网络  

摘要： 卷积神经网络（CNN）是深度学习的代表算法之一，近年来在计算机视觉、自然语言处理等多个领域取得了显著的成绩，其中Visual Geometry Group（VGG）是一种应用广泛的卷积神经网络模型，并且在图像识别分类任务中展现出了极大潜力。然而，该算法在数据回归预测场景中的应用效果不佳，并且存在参数数量多、占用内存大的局限性。为此，提出了一种新的深度VGG架构（D-VGG），该架构改进了VGG中的block1、block2、block3、block4和block5的不同卷积核配置，采用更高效的conv5-32布局，同时在每层block中添加批归一化层，并在全连接层之前添加Dropout层，有效缓解了过拟合问题，并加速了训练过程的收敛，改进的D-VGG网络架构展现出优异的模拟预测性能，解决了卷积神经网络在回归预测效果不佳的问题。使用某厂乙烯裂解炉装置的数据集对该网络的预测性能进行了评估，并与其他机器学习模型CNN、CNN-LSTM、BP神经网络、SVR等比较，实验结果分析表明：D-VGG模型的预测性能均优于其他模型，测试集R2最高达到了0.9748，RMSE相比于VGG模型提升了37.5%，其MAE、MBE、RMSE误差评价指标最小。

关键词： 人工智能   数据安全   社会风险   风险防范  

摘要： 伴随数字化技术的迭代与变革，人工智能的运行过程已与海量数据实现了深度耦合。在带来极大便利与极高效率的同时，人工智能也潜藏着诸如数据利用价值低、数据解蔽难度大以及数据泄漏范围广等风险，这些风险业已超越传统的风险管理范畴，并以更加隐蔽、复杂、多元的形式融入现代社会之中。为应对这一挑战，通过搭建“数据输入阶段—数据训练阶段—数据输出阶段”的全生命周期管理框架，以动态视角剖析人工智能数据安全的风险样态，同时审思我国现有法律规制在应对这些风险时存在的不足。在此基础上，通过“以人为本”的指导理念、安全可信的技术保障机制以及风险可控的数据监管机制等风险防范策略，助力人工智能数据安全的法治化防控。

关键词： 多粒度分类   机器学习   集成学习   文本粒化   粗糙集  

摘要： 为了提高情感分类的性能，本文提出了一种基于加权集成的序贯三支决策情感分类模型。该模型首先对评论数据集的边界域使用不同的分类器获取各自的预测概率，再根据历史分类性能对不同分类器的预测概率进行加权集成，然后根据阈值和代价损失分别进行三支决策，将评论划分为正类、负类和边界域。对于边界域进行序贯的集成概率预测，并根据概率和阈值进一步划分为新的正类、负类和边界域。直至最细粒度上的边界域，最终通过集成二支决策得到最终的分类结果。研究结果表明，该模型在中文计算机评论、酒店评论和服装评论数据集上性能优于现有方法，其中在酒店评论数据集上分类准确率达到86.75%，相比于基于硬投票集成的序贯三支决策情感分类提高了3.6%。

关键词： 数字人文   新人文   人工智能   大模型   奇点   数技人(Homo technicus)   AI4DH  

摘要： 我们正在迈入一个技术能力以指数级速度发展的时代，预计在未来二十年，“奇点”将会到来。大模型技术为“奇点”的到来创造了可能的路径。随着人类进入“数技人（Homo Technicus）”时代，人类与技术深度融合、共生发展，传统“以人为中心”的人文主义面临挑战：新人类通过与技术融合强化，人性可能发生显著异化；机器智能经过自我加速与迭代，可能发展出自主意识；AI发展带来了各类风险与伦理问题，甚至关乎生存或毁灭。当前必须采取行动，将AI发展所带来的问题纳入新人文的研究范畴。在未来二十年，数字人文需要实现一次新的转向，跟随扩展的新人文主义，利用数字人文研究的第五范式（AI4DH）向智慧人文发展。

关键词： 深度学习   机器学习   定向边界框目标监测   尾矿库   图像识别   遥感  

摘要： 尾矿库是矿业生产过程中用于存放矿渣和废料的重要设施，若管理不当或发生泄漏，可能会引发严重的环境污染和生态破坏。此外，尾矿库事故（如溃坝、渗漏等）还可能对周边居民的生命财产安全构成重大威胁。通过及时、准确地识别和监测尾矿库，可以有效预防和减轻上述风险。尤其是结合遥感技术和深度学习方法，可从高分辨率遥感影像中自动检测尾矿库，从而提高识别效率和精度，实现大规模、长时间的持续监测，为科学决策提供可靠的数据支持。本研究首先收集并预处理了中国河南省2016-2021年的尾矿库目标检测数据集作为研究基础。随后，采用YOLOv8x-obb模型进行了训练、验证和测试。YOLOv8-obb模型通过其优秀的边界框检测能力和对定向目标的精准识别，在尾矿库的复杂环境中展现出了显著的应用潜力。实验结果显示，基于YOLOv8-obb模型的尾矿库识别系统在精度、召回率、mAP和mAP50-95等指标上表现优异。具体而言，精度达0.98268，召回率为0.83655，整体mAP为0.92821，mAP50-95为0.89016。在黑龙江省尾矿库分布图的应用案例中，平均识别率超过77%，进一步验证了该模型在实际环境中的有效性和可靠性。本研究结果表明，YOLOv8-obb模型在尾矿库识别中的应用具有显著的性能优势和稳健性，为尾矿库的安全管理提供了重要的技术支持，对尾矿库风险评估和预防措施的制定具有重要的参考价值和指导意义。

关键词： 二分网络   “主语-行为-宾语”语义挖掘   网络表示学习   机器学习   医学知识发现  

摘要： 目的/意义探讨网络表示学习与链路预测在挖掘潜在医学实体关系方面的应用，为医学知识发现研究提供新视角。方法/过程从PubMed数据库获取文献摘要，利用“主语-行为-宾语”语义挖掘方案识别疾病与药物治疗信息，抽取药物实体与疾病实体，构建“药物-疾病”二分网络，综合运用社会网络分析、网络表示学习、机器学习方法分析网络结构及节点特征，挖掘医学实体间的潜在联系。结果/结论 二分网络表示学习方法能够揭示药物与疾病的关联知识，获取治疗疾病的关键药物，可为用药治疗提供可行性方案。