关键词： 信息科技课程   信息安全   人工智能   信息处理   协同发展   义务教育   育人价值   逻辑主线  

摘要： 教育部颁布的《义务教育信息科技课程标准(2022年版)》强调了信息科技课程的育人价值,根据数字素养与技能提升的课程目标,梳理出了信息科技课程的六条逻辑主线——数据、算法、网络、信息处理、信息安全和人工智能,它们贯穿从一年级到九年级的九个模块。

关键词： 万物互联   智能家居系统   人工智能  

摘要： 在万物互联的时代,智能家居系统的应用与研究受到广泛关注。这种系统通过集成物联网(IoT)技术,实现家庭设备的自动化控制和智能互动,极大提升生活便利性和能效。文章综述智能家居系统的关键技术、主要应用及其带来的挑战。通过分析现有的技术解决方案和市场发展趋势,探讨智能家居系统如何在保障安全与隐私的前提下提高用户体验。此外,文章还预测未来智能家居的发展方向,包括人工智能(AI)的深度整合以及更加个性化的服务创新。

关键词： 屋顶分布式光伏   无人机   现场巡检   人工智能   供用电异常  

摘要： 菏泽地区分布式光伏装机容量高,报装增速快,但供电企业对屋顶光伏现场巡检仍以人工登高为主,存在光伏出现故障排查时间较长、漏检率高、设备隐性故障无法获知等问题,容易导致故障升级,对电网运行造成不利影响。鉴于此,提出通过无人机搭载高性能云台拍摄红外、高清可见光照片,结合人工智能算法和大数据管理,对分布式光伏及相关计量设备进行快速巡检,使得故障、违规现象发现的时效性和准确性明显提升,可有效避免故障升级,从而提升分布式光伏发电水平和供电企业的供用电异常智能化检查水平。

关键词： 高光谱   部位分类   机器学习  

摘要： 高光谱技术能够快速、无损地获取丰富的信息,在植物研究和监测中已成为一种广泛应用的工具。茄科植物作为一种重要的经济农作物,与高光谱技术结合进行研究具有巨大的应用潜力。本研究采用高光谱技术对茄科植物的初烤后不同部位叶片进行分类研究。采用Field Spec 3光谱辐射仪对293份不同部位的茄科植物粉末样本进行高光谱采样,采用S-G平滑以及一阶导数和二阶导数的方法对数据进行预处理,用于信息增强和去除噪声,并通过偏最小二乘法对数据进行降维,以减少冗余特征。基于降维数据,采样支持向量机、逻辑回归、K近邻、决策树、随机森林和梯度提升决策树这六种机器学习算法建立分类模型。结果显示,在分类任务中,经过一阶导数处理后,支持向量机模型最佳,在训练集和测试集上分别实现了100.0%和84.7%的准确率。经网格参数优化后确定最优参数为:最大深度不限制,最小样本分割数为4,估计器数量为200。参数优化后五折交叉验证准确率为88.1%,训练集准确率为100%,测试集准确率为86.4%。研究结果表明,预处理方法结合降维方法能够增强数据信息使得分类模型能够更好地捕捉茄科植物样本的特征。该研究对于快速、准确、无损地区分茄科植物的部位具有重要意义。

关键词： 数字化   人工智能   备份策略   教学应用  

摘要： 本文基于当前传统多媒体教室在教学过程和硬件运行中存在的痛点,探讨了如何将人工智能技术融入到高校多媒体教室升级改造中,以及这种升级如何促进教学资源利用、教学管理和评价,并构建了硬件备份策略以保障教学的连续性和稳定性。文章期望通过这些研究与实践,能够为高校传统多媒体教室的数字化升级改造提供应用实践参考,推动高等教育教学质量的进一步提升。

关键词： 加权基因共表达网络   机器学习算法   类风湿关节炎   关键基因   预测模型  

摘要： 背景:类风湿关节炎是一种全身的免疫相关性疾病,主要病理特点是关节滑膜炎性增生及关节软骨的破坏,其发病机制目前尚不明确,迫切需要发现新的具有高度敏感性和特异性的诊断标志物。目的:联合使用生物信息学技术及计算机学习算法,识别并筛选类风湿关节炎患者滑膜中的关键基因,构建类风湿关节炎预测模型并进行验证。方法:从基因表达综合数据库中下载3个包含类风湿关节炎患者滑膜的数据集(GSE77298、GSE55235、GSE55457),GSE77298和GSE55235作为训练集,GSE55457作为测试集,共纳入66个样本,其中类风湿关节炎患者滑膜样本39个,正常滑膜样本27个。应用R语言筛选训练集中的差异基因,然后使用加权共表达网络将训练集中的基因模块化,选出关键模块中的特征基因,将差异表达基因和特征基因取交集,交集基因进入下一步机器学习。采用3种机器学习方法:最小绝对值收敛和选择算子算法、支持向量机-递归特征消除和随机森林算法对交集基因进一步分析获得枢纽基因,将枢纽基因再次相交即得到类风湿关节炎滑膜中的关键基因。以关键基因为变量构建预测类风湿关节炎的列线图模型,推测患者发生类风湿关节炎的危险程度,使用受试者工作特征曲线确定类风湿关节炎预测模型及其关键基因的诊断价值。结果与结论:①通过差异分析,训练集中共筛选出差异基因730个,加权共表达网络分析得到特征基因185个,两者交集基因159个;②最小绝对值收敛和选择算子发现枢纽基因4个,支持向量机-递归特征消除发现枢纽基因11个,随机森林发现枢纽基因5个,取交集后获得关键基因2个(TNS3、SDC1);③基于2个关键基因,在训练集及测试集种构建列线图,其校准预测曲线与标准曲线贴合较好,且预测类风湿关节炎发生的临床效能良好;④上述结果证实,基于生物信息及机器学习算法获得的TNS3和SDC1有可能成为类风湿关节炎诊断和治疗的关键靶点。

关键词： 计算思维   人工智能   项目式教学  

摘要： 本文以人工智能课程内容为载体,以计算思维、项目式教学为理论基础,设计了人工智能课程教学的一般教学过程,并以《人脸识别机器人》为例进行了实践教学。实践发现,基于人工智能课程的一般教学过程,能够有效促进学生的计算思维发展。

关键词： 人工智能   青少年   篮球训练   体育锻炼   调查研究  

摘要： 本文选取济南市三所高中共150名篮球队员作为研究对象,采用实验研究法、问卷调查法和数据分析法进行分析,旨在调查分析人工智能(AI)技术在青少年篮球训练中的应用效果,并在此基础上提出相关的建设性意见。研究结果表明,AI技术显著提升了球员的技术水平、体能指标和心理素质,并获得了较高的训练满意度。希望通过该研究,推动AI技术在青少年体育训练中的广泛应用,为提升青少年篮球运动水平提供科学依据和实践指导。

关键词： 光伏电站   机器学习模型   发电量预测   气象因素   极端梯度提升法  

摘要： 为解决复杂气象因素下光伏电站发电量预测结果不理想及波动较大的问题,针对陕西洛南某光伏厂区发电情况,基于XGBoost模型建立光伏电站发电量预测模型并对其进行相关评价及验证。研究结果表明,XGBoost模型在光伏电站发电量预测方面存在较好的精度与可靠性,相较于其他预测模型(支持向量机模型、决策树模型、随机森林模型、BP神经网络模型),XGBoost模型预测值与实际测定值的相对误差最小,相对误差可以控制在6%以内,决定系数最高,证实了XGBoost模型在光伏电站发电量预测方面存在较好的精度与可靠性。本研究可为此类光伏电站厂区的发电量预测及管理运行提供参考。

关键词： 表现性评价   E-A-C模型   深度学习   项目式学习   人工智能  

摘要： 本文聚焦指向深度学习的表现性评价体系构建,基于情境感知(E)、行动贡献(A)与挑战思维(C)模型,借助过程性画像分析、工程笔记测评、高阶思维答辩,实现对学生认知能力、思维素养、价值观的全面评价,探索高中人工智能项目式学习优化样态。