关键词： 机器学习   入侵检测   智能化  

摘要： 新兴技术的发展推动了机器学习等智能化方法在网络入侵检测的广泛应用,有效提高了入侵检测的效率和准确率,然而基于机器学习的网络入侵检测领域仍然面临着大规模网络数据处理难、数据样本不平衡、未知威胁难以有效检测、模型泛化能力差等挑战。文章对基于机器学习的网络入侵检测技术进行综述和总结,对比和分析当前主流方法的优势和局限性,并总结和讨论该领域目前挑战和未来展望,以便为该领域人员了解最新研究动态提供借鉴参考。

关键词： 人工智能   大数据   网络关注度   百度指数   核密度估计  

摘要： 基于2011~2023年省级人工智能和大数据的百度指数,本研究采用年际变动指数、地理集中指数、变异系数、DAGUM基尼系数、核密度估计和空间自相关等方法刻画人工智能和大数据网络关注度的时空差异特征,并借助面板数据模型实证研究其关注度演化的驱动因素。结果表明:1.在时间上,我国人工智能和大数据的网络关注度整体波动上升,集中趋势越来越强;2.在空间上呈现东部向西部递减的非均衡分布情况,其中东—西部的网络关注度差异最大,东北—中部的网络关注度差异最小;3.网络关注度存在显著的空间关联性特征,上海、江苏、浙江呈现出强—强集聚越来越明显的特征;4􀆰地区经济水平、人均可支配收入、技术创新、网页数显著提升人工智能和大数据的网络关注度水平。

关键词： 云计算   人工智能   智能运维   深度学习   知识图谱  

摘要： 云计算环境下的智能运维是当前信息技术领域的重要研究方向。通过将深度学习、知识图谱等人工智能技术应用于云环境运维,构建了一套完整的智能化运维体系。对比传统运维方式,智能运维系统在资源调度效率、故障预测准确度和系统性能优化等方面均有显著提升。实验数据显示,采用该系统后运维人员工作效率提升85%,系统平均响应时间减少46%,资源利用率提高32%。研究为云计算环境的高效、稳定运行提供了新的解决方案。

关键词： 叶尖感知   碰摩故障   机器学习   傅里叶分解   叶尖间隙(BTC)  

摘要： 以航空发动机与船舰燃气轮机为代表的高端透平机械在高效率,大机动飞行等工况要求下,内部结构趋于紧凑化和复杂化,使得内部转静子发生碰摩的概率也随之增加,由于其内部少测点、难监测,往往难以及时准确地发现碰摩故障。提出了一种叶尖间隙时频特征融合的转子碰摩故障诊断方法,首先通过叶尖振动-间隙复合传感器获取叶尖间隙(blade tip clearance,BTC)序列,然后通过机器学习算法评估BTC序列的异常性;若有异常警报,则对异常信号进行傅里叶分解并汇总各分量的时频能量谱;最后通过时频能量谱中的碰摩带判断故障的发生。试验结果表明,在对转子施加短时、持续碰摩两种工况后,机器学习模型能够实时诊断,且报警后所提方法能完整分辨出两种碰摩的发生,以及持续碰摩缓慢施加、快速结束的过程。通过与转子振动信号进行对比,表明该方法可通过机匣测点获取叶尖间隙并感知转子碰摩故障,实现了“一传多感”,为透平机械的状态监测和健康管理提供了新的方法。

关键词： 人工智能   机电一体化   应用路径  

摘要： 在科技迅猛发展的背景下,人工智能以其卓越的技术优势,正逐渐渗透到各个行业领域,机电一体化技术作为支撑现代工业发展的关键,其与人工智能的交融,加速了自身智能化进程,也为人工智能技术的进一步突破开辟了新道路。本文通过深入剖析人工智能与机电一体化的融合点,探寻两者在智能化、模块化、网络化、微型化等方面的巨大发展潜力,旨在为相关研究领域以及实践应用提供新的思考方向。

关键词： 人工智能   电网作业现场   智能化违章识别技术   YOLOv5  

摘要： 智能化电网作业现场违章识别是降低作业安全风险与现场管控成本的关键,提出了基于人工智能的电网作业现场违章识别技术,通过智能化违章识别技术对存在的违章行为发出警告。该技术在YOLOv5上增加了检测层和注意力模块CBAM,并采用BiFPN层替代Concat层,通过消融实验验证所提出的识别技术具有更高的识别精度。将提出的现场违章识别方法应用于实际的电网作业现场,结果表明其可以在复杂的环境下精准识别电网作业现场违章情况,为电网作业现场的安全管理与控制提供了保障。

关键词： 机器学习   声学超材料   声子晶体   拓扑优化  

摘要： 声学超材料作为一类新型人工复合结构材料,拥有天然材料所不具备的众多新颖和反常物理特性,为声波的有效控制和精准调控提供了崭新的研究途径和应用机遇。然而,为获得声学超材料的特定结构功能响应,传统设计方法需要在理论推导、数值模拟和试验验证过程中不断反复调整材料参数或结构形态,大幅增加了研究计算成本。机器学习具有强大的非线性拟合能力,能够通过优化算法绕过物理建模过程,直接在参数空间内构建恰当映射关系以达到满足目标功能的目的,为突破传统物理设计策略的高度限制提供了可能性。综述了近几年来机器学习在声学超材料的应用进展。首先,简要概述了声学超材料的基本发展情况和主流机器学习算法的基本原理,然后详细介绍了机器学习在声子晶体、声学超材料和声学超材料拓扑设计中的最新应用研究成果,最后就该领域的研究现状开展了相应讨论和展望。

关键词： 医学教育   未来医学   全球健康   气候危机   人工智能   教育发展方向   革命浪潮   新兴技术  

摘要： 本篇综述主要介绍1场全会和6场专题研讨会, 会议内容旨在探讨处在全球气候危机与科技革命双重背景下的未来医学教育发展方向, 希望为我国医学教育的研究和改革提供参考, 具体内容分为3个部分。第一部分为全球卫生危机, 包括全会"为未来可持续发展将气候变化与卫生健康联系起来"和专题研讨会"地球健康与可持续性医疗卫生课程实施的国际概况", 主要介绍了在全球气候危机日益严峻, 对人类社会构成重大威胁的背景下, 我们应该如何重新审视并调整医学教育的发展方向, 以应对未来不确定的健康风险。第二部分为新兴技术革命, 包括专题研讨会"面向未来的生成式人工智能医学教育课程设计"、"人工智能如何助推临床思维培养"和"通过新兴技术塑造医学教育", 主要介绍在人工智能(artificial intelligence, AI)掀起的新的科技革命浪潮中, 科技如何助推医学教育课程改革与发展。第三部分为学生中心教育, 包括专题研讨会"下一代的医学教育——为什么应该倾听学生的声音"和"在医学教育中注重学生领导力的培养和学生参与", 主要强调了在未来医学教育中应当开展以学生为中心的教育, 重视学生在医学教育变革中的作用。

关键词： 隧道工程   机器学习   岩性识别   颜色空间   岩石图像  

摘要： 为实现智能高效且可靠的隧道围岩岩性识别分类,采用k近邻、支持向量机、随机森林和梯度提升树4种机器学习算法,对砂岩、灰岩、花岗岩和片麻岩进行岩性识别研究。采用铜川隧道掌子面围岩及网络岩石图像进行测试,通过提取岩石图像H、S、V均值,构建岩性识别特征空间,结合机器学习算法原理,建立特征空间与岩石类别间的映射关系,以识别准确率和运行时间为评价指标,对比分析4种算法的识别效果。结果表明:k近邻、随机森林和梯度提升树均具有较高的识别准确率,综合考虑算法精度与算法效率,建议将k近邻算法作为优选算法。

关键词： 脓毒症脑病   蛋白质组学   机器学习   生物学标志物  

摘要： 目的 通过数据独立采集(DIA)定量蛋白质组学技术和机器学习方法挖掘脓毒症脑病(SAE)患者血浆关键蛋白质,以指导SAE的发病机制研究并助力SAE早期诊断。方法 通过DIA定量蛋白质组学技术检测脓毒症和SAE患者血浆蛋白质水平,同时,通过生物信息学方法明确两组患者间的差异蛋白质并进行功能分析。进一步通过极限梯度提升法(XGBoost)、最小绝对收缩和选择回归算法(LASSO)机器学习模型等方法在差异蛋白质中筛选关键差异蛋白质构建列线图并评价其诊断效能。结果 通过DIA定量蛋白质组学技术和生物信息学分析在患者血浆中共筛选出22个差异表达蛋白质,其中9个蛋白质表达水平在SAE组中上调,13个蛋白质表达水平在SAE组中下调。差异蛋白质涉及丝裂原活化蛋白激酶(MAPK)信号通路、病灶黏附和磷脂酶D等信号通路,参与细胞黏附、信号转导、高分子修饰等生物学过程,同时,肠道疾病与SAE发生可能存在密切关系。进一步通过XGBoost机器学习模型、LASSO回归机器学习模型和五折交叉验证的方法在22个差异蛋白质中筛选出两个关键蛋白质内质网蛋白29 (ERP29)和白细胞介素增强剂结合因子3 (ILF3)。将两个关键蛋白质构建列线图并评价其诊断效果,其中训练集受试者工作特征曲线(ROC)的曲线下面积(AUC)为0.925 6,测试集AUC为0.875。结论 基于DIA定量蛋白质组学技术和机器学习方法明确的蛋白质ERP29和ILF3是SAE发生的关键蛋白质,是SAE发病机制研究的重要靶点。ERP29和ILF3可作为生物学标志物用于SAE早期诊断。