关键词： 铁路数据通信网   智慧运维   人工智能  

摘要： 本研究旨在设计一个铁路数据通信网智慧运维平台,以提高网络运行质量和管理效率。采用大数据和人工智能技术,构建了包含基础设施、数据处理、服务支撑和应用展示共4层的平台架构。通过实验验证,平台在数据处理延迟、异常检测准确率、故障预测精度等方面均达到预期目标。

关键词： 金融业务   主攻方向   金融机构   人才密集   人工智能   运营模式   业务流程   生成式  

摘要： 党的二十届三中全会强调,要“完善生成式人工智能发展和管理机制”,明确生成式人工智能发展的重点领域和主攻方向。金融业因其信息丰富、数据庞杂、知识专业、人才密集等特征,拥有与人工智能深度契合的属性,成为大模型落地应用的重要场景,未来,人工智能驱动的金融业务将成为重要方向和发展趋势,金融机构传统的运营模式、业务流程和风控方式将以智能化形式加速变革和重塑。

关键词： 文生视频   知识传播   人工智能  

摘要： 文章通过分析AIGC给知识传播带来的新兴变革发现,生成式人工智能可为知识打造新的传播场景,构建更为开放的传播环境,从而实现技术与社会的全面发展。同时,人工智能有助于动态化的知识呈现、情感化的知识讲解、去中心化的知识传递。基于此,文章提出“培养智能素养,合理辨别知识真实性”“强调人文情感,注重传播者的主体地位”“锻炼抽象思维,提高知识内化效率”的技术时代知识传播的可持续发展策略,以期推动知识社会的形成。

关键词： 人工智能   高中教学   信息技术   教学实践  

摘要： 本论文深入探讨了人工智能在高中信息技术教学中的实际应用与效果。以智能机器人编程项目为例,详细分析了项目的设计与实施过程,探讨了人工智能技术如何促进学生编程能力、解决问题能力和团队合作能力的全面发展。研究发现,通过结合人工智能教育资源和实践性学习活动,学生不仅提高了对人工智能技术的理解和应用能力,还增强了创新思维和实际问题解决能力,为未来信息技术教育提供了有益的借鉴和探索。

关键词： 机器学习   乳腺癌预测   LightGBM算法   SHAP值  

摘要： 乳腺癌作为全球新发病例最多的癌症,严重影响和损伤人们生命质量,乳腺癌的预测与了解其发病机制是目前仍需更多研究的问题。针对乳腺癌诊断的准确性需求,本文旨在通过应用机器学习算法提升乳腺癌预测模型的精确度,为医生的决策制定提供支持,有效实现“三早”预防,并为疾病病因的深入研究提供新的线索。以美国威斯康星州在Kaggle平台发布的乳腺癌公开数据集为研究对象,首先在数据预处理后,借助随机森林的递归特征消除法进行变量的重要性排序和特征选择。其次,利用网格搜索法优化超参数,运用LightGBM算法构建预测模型,并引入SHAP值增强模型的可解释性,进一步揭示乳腺癌相关的危险因素及其作用机制。最后,通过AUC值等评价指标对模型的预测性能进行评估。结果表明,模型的表现优于传统模型,预测准确率达到97%,且AUC值为0.97,有效提升了乳腺癌的正确识别能力。

关键词： 打开方式   智能制造   文化遗产   出场方式   延绵不绝   非遗文化   数字化   新引擎  

摘要： 千年文脉延绵不绝,灿烂文明生生不息。如今,文化遗产所蕴含的精神价值、文化价值正以全新的出场方式展现在人们面前。在继承的基础上进行活化,让其融入现代生活并散发独特魅力,“非遗+文创”“非遗+研学”“非遗+旅游”“非遗+数字化”“非遗+智能制造”……一系列“非遗+”新模式正在为非遗文化的继承和活化开辟薪新的空间,给非遗文化插上“新翅膀”、安上“新引擎”。就让我们跟随非遗文化的活化脚步,去体验“非遗+”的N种打开方式。

关键词： 大数据   人工智能   计算机网络技术   数据安全  

摘要： 文章概述了人工智能的内涵和特点,分析了大数据时代人工智能在计算机网络技术中的应用优势和应用现状,提出了具体的应用路径,旨在提高系统管理水平,提高网络数据安全性,降低系统运行成本。

关键词： 网络法治   互联网大会   互联网法治   人工智能   变革与创新   主论坛   建言献策   热点问题  

摘要： 2024年7月11日,以“人工智能时代的法治变革与创新”为主题的第十届中国互联网法治大会主论坛在北京召开。该主论坛是2024(第二十三届)中国互联网大会的三个主论坛之一,聚焦人工智能时代互联网法治热点问题。该主论坛在中国互联网协会的指导下,由中国互联网协会互联网法治工作委员会主办。多个行业的嘉宾在该主论坛上分享了宝贵经验,共同为网络法治建设和人工智能法律问题建言献策。

关键词： 森林地上生物量   变量筛选   机器学习   XGBoost   Landsat 8  

摘要： 为提高森林资源管理的效率和精度,探讨特征变量选择与新型机器学习算法结合建立桉树人工林地上生物量估测模型的精度。以广西高峰林场为研究区,以Landsat 8遥感数据结合实测样地数据,使用Pearson相关性分析法结合随机森林的特征变量选择方法,分别构建基于多元线性回归(MLR)、K最邻近(KNN)、随机森林(RF)和极端梯度提升(XGBoost)算法的森林地上生物量估测模型,使用模型评价指标对比不同模型的精度。结果表明,XGBoost模型拟合精度最高,验证结果R^(2)为0.75、RMSE为30.15 t/hm^(2)、MAE为20.27 t/hm^(2);RF、KNN和MLR模型次之,R^(2)分别为0.69、0.54和0.52。利用Pearson相关性分析法结合随机森林相较于仅使用随机森林筛选变量的方法,R^(2)提高了27.12%、RMSE降低了11.44 t/hm^(2)、MAE降低了8.70 t/hm^(2)。采用机器学习方法的模型比多元线性回归模型更有优势,其中新型机器学习算法XGBoost在生物量估测方面有巨大潜力。Pearson相关性分析结合随机森林的特征选择方法能够减少冗余变量对模型估测精度的影响,有效提高模型预测性能。

关键词： 责任鸿沟   人工智能   道德责任   责任归属   机器行为  

摘要： 责任鸿沟一经提出即引发了学界广泛而激烈的道德争论,主要包括肯定、否定和解决主义三大立场。这场争论与人工智能技术的双重性和责任概念的复杂性密切相关。一方面,人工智能兼具自主体与技术工具的双重特征,决定了人类自主体和人工智能均与机器行为存在因果关系,均可视为机器行为的实施者。另一方面,道德责任在不同的语境下往往意味着非常不同但又有一定逻辑联系的意思。人工智能的发展造成了不同类型责任归属的分离,也造成了其在某些责任归属上的撕裂。但从人工智能的责任链来看,责任链始终是完整的,不存在所谓的责任鸿沟。