关键词： 机器学习   新污染物   纳米材料   抗生素   微塑料   内分泌干扰物  

摘要： 随着技术的不断发展,越来越多的新污染物(emerging contaminants,ECs)产生并进入环境中.这些ECs往往具有生物毒性和环境持久性,对生态环境和人类健康构成风险,因此越来越多的研究开始关注ECs的风险识别与防控.自然环境中ECs的存在情况复杂,传统的分析方法在ECs风险的识别与预测上费时费力.机器学习(machine learning,ML)是一种数据驱动的研究方法,使用已有的数据训练模型,以更好地预测和发现研究对象的发展变化规律.由于ML能够深入了解参数之间复杂的关系,近年来,ML在ECs风险识别与防控领域的应用愈加广泛.传统技术与ML结合能够降低计算成本,并通过优化和减少实验次数来节省实验时间和能源消耗.ML在ECs中的应用大致可以分为毒性预测、识别分类、性质评估与辅助去除.本文梳理了ML在典型ECs(纳米材料、微纳米塑料、抗生素抗性基因、全氟烷基和多氟烷基物质、内分泌干扰物和持久性有机污染物)中的应用情况与挑战.在毒性研究中,ML的使用能够减少动物实验,但是该领域目前普遍存在数据较少的情况,部分模型使用的数据集较小,数据质量较低,模型应用范围有限.并且并不是所有的环境问题都适用ML,没有必要过度依赖ML.复杂的ML模型通常伴随着可解释性的不足,使得研究者难以理解ML如何得出特定的预测结果,这对于解释和理解ECs的环境行为和风险是一个挑战.在ML中,除了模型算法本身,训练数据的质量决定着模型的准确性和预测的准确性.因此今后应重点提升ECs数据质量,实现数据共享,并建立统一完善的数据库,形成适合ECs研究的研究体系或框架.

关键词： 自动厚度控制(AGC)   自适应优化算法   性能参数监测   实时数据分析   智能制造  

摘要： 本研究提出了一种创新的监测技术,旨在提高自动厚度控制系统(AGC)中AGC缸的性能监测精度和效率。该方法通过集成先进的自适应优化算法,能够实时分析AGC缸的运行数据,并自动调整监测参数以适应不同的工作条件。与传统监测方法相比,本方法显著提升了AGC缸性能的监测速度和准确性,确保了轧制过程的稳定性和带钢产品的厚度一致性。此外,该技术还具备自我学习和自我优化的能力,能够根据历史数据不断改进监测策略,延长AGC缸的使用寿命,降低维护成本。本研究的方法适用于多种钢铁生产线,对于提升整个生产线的智能化水平和市场竞争力具有重要意义。

关键词： 心脏病   机器学习   K近邻算法  

摘要： 心脏病对人体的危害极大,甚至会危及人们的生命。相比于医院检测,使用机器学习方法预测心脏病,可以节约大量的时间。本文以Kaggle心脏病数据集中的1025条真实心脏病数据为例,分析了引起心脏病的相关因素,并构建了K近邻、决策树、随机森林、逻辑回归四种不同的分类算法模型,对心脏病进行预测。以混淆矩阵、准确率、召回率、精确率、ROC曲线和AUC值作为模型的评价指标,发现K近邻和随机森林的预测效果更好,从而为心脏病预测和诊断提供了有效的科学依据。Heart disease poses great harm to the human body, even endangering people’s lives. Compared to hospital testing, using machine learning methods to predict heart disease can save a lot of time. This article takes 1025 real heart disease data in the Kaggle heart disease dataset as examples to analyze the relevant factors that cause heart disease, and constructs four different classification algorithm models: K-nearest neighbor, decision tree, random forest, and logistic regression to predict heart disease. Using confusion matrix, accuracy, recall, precision, ROC curve, and AUC value as evaluation indicators for the model, it was found that K-nearest neighbor and random forest had better prediction performance, providing an effective scientific basis for heart disease prediction and diagnosis.

关键词： 人工智能   电子测试   自动化测试   故障诊断  

摘要： 近年来人工智能在各个领域的应用迅速扩展,其中在电子测试领域的应用尤为显著,通过引入人工智能电子测试的效率和精度得到了显著提升。文中探讨了人工智能在电子测试中的具体应用,包括自动化测试、故障诊断及预测性维护等方面,结合具体案例,分析了人工智能技术在实际应用中的优势与挑战,研究表明人工智能不仅能提高测试效率还能发现传统方法难以检测的问题,从而推动电子测试技术的发展。

关键词： 配网带电作业机器人   传感器技术   机器视觉   人工智能   双6轴机械臂  

摘要： 针对配网带电作业机器人系统的智能化设计与控制进行深入探讨。通过系统分析现有技术的不足,设计并开发了一款智能化程度高、操作灵活的配网带电作业机器人系统。该系统能够显著提高配网带电作业的安全性和效率,降低人工操作的风险。同时,提出了一种高效的控制策略,实现机器人作业的精准化和自动化,为配网带电作业领域带来了重要的技术创新和实用价值。

关键词： 长江经济带城市群   人工智能   时空差异   空间杜宾模型  

摘要： 长江经济带作为全国高质量发展的重要增长极,探究其人工智能发展水平对构建中国人工智能发展新格局意义重大。通过构建人工智能发展水平综合评价指标体系,在利用纵横向拉开档次法测度2010~2020年长江经济带三大城市群71个城市人工智能发展水平的基础上,进一步采用Dagum基尼系数、核密度估计、空间马尔科夫链和空间杜宾模型对其差距贡献、动态演进趋势和影响因素进行了深入研究。研究表明:(1)长江经济带三大城市群的人工智能发展水平均呈稳定上升趋势,其中长三角城市群处于绝对领先地位,成渝城市群次之,长江中游城市群紧随其后,整体上人工智能发展水平的空间分布格局由“V”字型分布逐渐向上中下游依次递增的格局转变;(2)长三角城市群和长江中游城市群在研究期内整体基尼系数有所下降,而成渝城市群则呈上升态势,三大城市群间人工智能发展水平的整体差距有所扩大,城市群间差距是造成人工智能发展水平空间非均衡性的主要原因;(3)各城市群人工智能发展“极化”效应显著,长三角城市群和长江中游城市群均表现为“多极”分化,成渝城市群则由“多极”分化逐步发展为“两极”分化;(4)不同等级的人工智能发展具有明显的转移“惰性”,人工智能发展水平较高的城市对于周边城市的人工智能发展具有明显的空间作用,虹吸效应与溢出效应并存;(5)区域人口密度、产业升级、经济发展水平和市场化水平对长江经济带人工智能发展具有显著促进作用,但科技金融具有显著抑制作用,各影响因素的作用效果具有明显的区域异质性。

关键词： 人工智能   数据管理   数据分析技术   海量异构数据   无线电通信技术   状态数据   产业竞争力   动态智能  

摘要： 人工智能驱动的数据管理、分析与应用研究已经成为计算机和通信技术领域的一个重要的热点问题,获取大量数据管理过程中的状态数据,并建立对其动态智能的处理能力,已经成为产业竞争力的体现。近年来,大数据管理技术与系统已能够满足各类海量异构数据的基本管理与统计分析需求,但在如何利用新一代人工智能技术对数据管理、数据分析与系统进行优化方面还缺少足够的理论支撑。本专题目标在于推动国内人工智能驱动的数据管理的发展,探讨数据管理与人工智能的深度融合,阐述人工智能驱动的数据库新技术和新型系统,包括传统数据管理、数据分析技术及系统与人工智能相结合;以及大数据管理与分析是新一代人工智能技术发展的基础。

关键词： 人工智能   课堂教学评价   评价模型  

摘要： 目的:旨在构建一种基于人工智能支持的课堂教学评价模型,要求该课堂教学评价模型适应多样化的智能化教学场景,以此促进人工智能技术在教育领域的持续发展。方法:构建一种基于人工智能技术的课堂教学评价模型,综合考量环境、数据、角色和流程4个维度,具备多反馈循环的特性。以文化产业管理专业的实际课堂教学为案例,分析课堂教学评价的需求,随后设计包含评价工具开发、数据收集与分析、报表呈现以及教研员解读等关键环节的课堂教学评价模型。结果:基于人工智能技术的课堂教学评价模型,优化了传统的教学评价方式,为推动教育信息化和智能化提供了新的思路。结论:人工智能支持下的课堂教学评价模型综合考虑了课堂教学评价的多个维度,通过智能算法实现了评价过程的自动化和智能化,为教育领域的持续发展提供了有力支持。

关键词： 机器视觉技术   智能制造   物体检测   跟踪定位  

摘要： 通过概述常用的机器视觉算法,深入探讨了机器视觉技术在智能制造领域中的应用,如物体检测、分类识别、跟踪定位等,提出机器视觉技术在智能制造领域中的创新应用策略,并总结了该技术的未来发展趋势,以期为相关工作人员提供参考与借鉴。

关键词： 关节成形术,置换,髋   人工智能   神经网络,计算机   参数测量  

摘要： 目的探讨通过卷积神经网络测量全髋关节置换(total hip arthroplasty,THA)术后假体角度及双下肢长度差与人工测量的差异。方法收集2024年1至3月,在解放军总医院第四医学中心骨科实施单侧THA患者100例,其中50例使用陶瓷内衬髋关节假体、50例使用聚乙烯内衬髋关节假体。男58例、女42例,年龄(51.6±12.71)岁,均为单侧,左侧45髋、右侧55髋。利用Attention UNet网络分割假体并识别关键点,计算髋臼假体外展角、前倾角和双下肢长度差。分别使用卷积神经网络和人工方法测量假体前倾角、外展角和双下肢长度差,并进行比较。采用Bland-Altman方法评估两种测量方法的一致性。结果卷积神经网络测量100例假体的外展角、前倾角和双下肢长度差分别为40.55°±4.76°、21.5°(19.0°,27.0°)和3.6(1.7,6.8)mm,人工测量为40.58°±4.93°、21.0°(17.6°,23.2°)和3.0(2.0,7.0)mm。两种方法测量前倾角的差异有统计学意义(Z=-2.189,P=0.029),而外展角和双下肢长度差的差异无统计学意义(P>0.05)。卷积神经网络测量50例聚乙烯内衬假体的外展角和前倾角分别为40.31°±4.70°和20.0°(18.0°,22.0°),人工测量分别为40.49°±4.92°和20.0°(17.0°,21.5°),差异均无统计学意义(P>0.05);卷积神经网络测量50例陶瓷内衬假体的外展角和前倾角分别为40.79°±4.86°和26.5°(20.8°,33.0°),人工测量分别为40.68°±4.98°和20.0°(18.0°,22.0°),两种方法测量假体前倾角的差异有统计学意义(Z=-3.426,P=0.001),而外展角的差异无统计学意义(t=0.994,P=0.325)。Bland-Altman方法显示人工与卷积神经网络测量100例假体外展角的差值为0.0310°±1.091°[95%CI(-2.107°,2.169°)],聚乙烯内衬假体的差值为0.178°±1.296°[95%CI(-2.362°,2.718°)],陶瓷内衬假体的差值为-0.116°±0.825°[95%CI(-1.733°,1.501°)];100例假体前倾角的差值为-3.280°±6.920°[95%CI(-16.840°,10.280°)],聚乙烯内衬假体的差值为-0.002°±1.471°[95%CI(-2.885°,2.881°)],陶瓷内衬假体的差值为-6.560°±8.523°[95%CI(-23.270°,10.150°)];双下肢长度差的差值为(-0.101±0.947)mm[95%CI(-1.956,1.755)mm]。结论卷积神经网络测量THA术后髋臼假体外展角、聚乙烯内衬假体前倾角、双下肢长度差与人工测量值无差异,但测量陶瓷内衬假体前倾角与人工测量方法有差异。Bland-Altman分析表明两种测量方法在测量外展角、聚乙烯内衬假体前倾角和双下肢长度差时具有较好的一致性。