关键词： 工业园区   安全管理   人工智能   YOLOv5   K3s  

摘要： 随着我国经济的快速发展,工业园区中使用的技术不断升级,园区规模不断扩大,以往使用人工对园区进行安全管理的方式逐渐变得乏力,并且需要耗费大量的人力、物力以及时间,难以适应现代化园区的管理需求。当前工业园区缺乏有效地对人、车、物的管理手段,主要安全隐患包括:陌生人员出入、车辆随意出入、火灾的发生。针对以上问题,文章采用基于人工智能的方式实现工业园区内的人员行为培训和检测、烟雾和明火检测、基于人脸的身份认证、车辆出入管理和数据集中管理等功能。文章使用PyTorch作为人工智能计算框架,使用YOLOv7算法实现智能检测,使用K3s容器编排技术实现服务的部署。系统经过模拟测试,能够满足不同规模的工业园区的安全管理需求。

关键词： 植被变化归因   区域建模   机器学习算法   残差趋势法   空间异质性  

摘要： 现有的残差趋势法采用逐像元建模策略,利用普通最小二乘法构建模型,存在着一定的局限性:一方面,逐像元建模策略使每个模型都包含了局部空间内的人类活动信号干扰;另一方面,普通最小二乘法不利于模拟普遍存在的非线性特征。因此,该文提出一种全新的基于区域建模策略和机器学习算法的残差趋势法,并对比了用于表达空间异质性的2种环境变量:①地形、水文和土地利用等直接环境变量(direct-environmental variables,DEVs);②植被和气候时空序列组合的代理环境变量(proxy-environmental variables,PEVs)。首先,采用区域建模策略,分别引入DEVs和PEVs,使用机器学习算法构建植被-气候关系模型;其次,根据残差趋势法的定义得到残差值;最后,评估气候和人为因素对植被变化的贡献。结果表明:①相比以往的逐像元普通最小二乘残差趋势法,所提方法的优势不仅表现为机器学习能够模拟植被-气候关系的非线性特征,还表现为区域建模具备更强的抗人类信号干扰能力;②新方法中,使用PEVs明显优于使用DEVs,前者充分利用了原有建模数据,没有增加数据获取难度,也避免了引入额外的数据误差。该文提出的区域机器学习残差趋势法可以实现更有效的植被变化归因。

关键词： 知识检索   人工智能   教育的价值   培养什么样的人   质疑和探究   逻辑推理   学生养成   思维习惯  

摘要： 人工智能的浪潮正以前所未有的速度重塑着世界,尤其是DeepSeek的出现,让我们不得不面对一个根本的问题:当AI能够轻松完成知识检索与逻辑推理时,教育的价值何在?在AI时代,我们需要培养什么样的人才?当下,培养“会提问”的儿童,让学生养成主动发现、质疑和探究未知的思维习惯。

关键词： 人工智能   伦理风险   高校教育   可持续发展  

摘要： 随着数字化时代的到来,人工智能技术和教育领域的结合成为了全国各层高校的关注点。其中,佛山高校作为人才培养的重要基地,近年来积极拥抱人工智能热潮,在人才培养、教学改革以及产学协同等方面都取得了一定成果。然而,在近期的研究中发现,人工智能的应用中还存在着一些伦理风险问题,比如数据隐私泄露、算法偏见、人机交互等。为了推动人工智能在高校教育的可持续发展,需要建立完善的治理机制,规避潜在风险,最大限度释放技术红利。

关键词： JAK3抑制剂   计算机辅助药物设计   分子对接   化学信息学   分子动力学   机器学习  

摘要： JAK抑制剂因能够抑制JAK/STAT信号通路从而治疗炎症和自身免疫疾病,逐渐成为药物研究领域的热点,但面对庞大的潜在药物分子如何有效地筛选从而得到有效的药物分子仍然面临着挑战。因此通过计算机辅助处理分子信息,并结合分子对接、药代动力学、分子动力学、机器学习等相关技术进行药物分子的虚拟筛选从而为接下来的药物合成,生物测试等提供重要的研究思路,本文主要综述使用计算机辅助药物设计技术在JAK小分子抑制剂研究中的相关进展,介绍其相关的设计思路,并对计算机辅助药物设计的发展前景做出展望。JAK inhibitors, which can suppress the JAK/STAT signaling pathway to treat inflammatory and autoimmune diseases, have gradually become a hot topic in the field of drug research. However, faced with a vast number of potential drug molecules, effectively screening to obtain effective drug molecules still poses a significant challenge. Therefore, by using computer-aided processing of molecular information, combined with related technologies such as molecular docking, pharmacokinetics, molecular dynamics, and machine learning, to conduct virtual screening of drug molecules, important research ideas are provided for subsequent drug synthesis and biological testing. This article mainly reviews the advancements in the research of JAK small molecule inhibitors using computer-aided drug design techniques, introduces the related design concepts, and offers a perspective on the future development of computer-aided drug design.

关键词： 智能制造   最后一公里   学界泰斗   新能源   高峰论坛   产业化   服务商   产学研协同创新平台  

摘要： 2月15日,2025年中国全固态电池产学研协同创新平台年会暨第二届中国全固态电池创新发展高峰论坛在北京举办。作为全球领先的新能源智能制造解决方案服务商,先导智能受邀出席,与学界泰斗、产业巨头共同破解全固态电池产业化密码。

关键词： 人工智能   地理教育   新质生产力   数字化  

摘要： 在国家教育数字化战略行动的深入推动下,我国地理教育正步入数字化转型的新阶段,其中人工智能作为新兴技术正深度融入教育领域。数字技术正深刻重构地理教育的生态环境,为地理教育的高质量发展带来前所未有的机遇与挑战。数智时代,人工智能赋能地理教育不仅是历史演进的必然趋势,也是地理学科落实立德树人根本任务、推动新质生产力发展的核心驱动力,对于加速构建中国式现代化地理教育强国具有现实意义。本研究旨在深入探讨人工智能在地理教育变革中的时代意蕴、本质内涵及逻辑关系,分析其对地理教育转型的深远影响,并以系统思维为指导推动地理教育的智能化建设与数字化转型进程。

关键词： 岩土工程   机器学习算法   土壤液化   液化判别   第18届世界地震工程大会  

摘要： 土壤液化是一种常见于地震中的次生灾害,对建筑物和构筑物等生产生活都造成过严重破坏。国内外液化判别方法都是源于地震液化灾害现场数据,受到原位测试方法和场地区域性等条件的影响,存在一定的局限性。近年来随着机器学习等人工智能计算算法的兴起和发展,其在土壤液化研究方面显示出了特有的优势。以土壤液化判别相关研究成果及第18届世界地震工程大会部分报告为基础,本文阐述了研究土壤液化判别方法的机器学习算法,分析了相关机器学习算法的基本原理,列举了机器学习算法在土壤液化研究中的应用,展示了机器学习算法相对于传统方法具备灵活、稳定和泛化性强等诸多优异性能,提出了当前机器学习算法存在的缺陷,展望了机器学习算法在土壤液化研究领域未来发展趋势。

关键词： 港口工程车辆   实时监控   预警系统   安全性   机器学习  

摘要： 该研究以促进港口工程车辆安全为目的,采用研制实时监控和预警系统的方法来完成。该系统以分布式架构为基础,由数据采集、处理、预警分析以及用户交互层等部分组成,使用高精度传感器、大数据、云计算以及机器学习等技术,实现了对车辆运行状态进行实时监测,对数据进行智能分析,对潜在风险进行预警等。该系统架构设计合理、功能实现较好,可有效地提高港口的运营效率及车辆的安全性。但预警分析功能仍需要不断优化才能提高预警的准确率,而系统的稳定性与可靠性则需要不断提高。在今后的发展中,系统性能会不断优化,系统集成与信息共享会不断加强,用户体验与培训效果会不断增强,应用场景会不断探索,技术会不断革新。

关键词： AI   安防网络管理   智能化   网络安全   机器学习  

摘要： 通过深度学习、机器学习等人工智能(AI)技术,安防网络管理可以实现对网络流量、用户行为和安全事件的实时监控与分析,从而自动识别潜在威胁,提升网络防护能力。AI在安防网络管理中的应用场景涵盖了入侵检测、异常流量分析、身份认证、数据泄露防护等方面。通过大量数据的学习与训练,AI技术能够在短时间内识别出潜在的攻击行为,提供精确的响应措施,减少人工介入的时间延迟。