课程文献中心 更多>>

关键词： 对抗样本攻击   可解释人工智能   网络入侵检测   恶意对抗流量  

摘要： 针对基于人工智能的网络入侵检测系统,提出了一种基于可解释人工智能(XAI)的对抗样本攻击方法。利用XAI方法识别关键扰动特征,在保持流量功能时逐步进行针对性扰动,直至恶意流量被判定为良性,实现对抗流量样本攻击。这种方法可以大幅减少扰动特征,增强了攻击隐蔽性,而且其所识别的关键特征对不同分类器具有一致性,使得攻击样本具有较强的迁移性。在防御方面,提出了一种基于对抗训练的防御方法,以提升网络入侵检测系统的鲁棒性。实验结果表明,所提攻击方法具有较高的攻击成功率和迁移成功率;所提防御方法可以有效降低对抗样本攻击的成功率,增强了系统的鲁棒性。

关键词： 数字化转型   企业人力资源管理   大数据   人工智能  

摘要： 大数据时代,云计算、互联网、AI等信息技术的迅速发展逐渐改变了现代企业生存发展的市场环境,面对日益复杂和激烈的市场,企业更加需要顺应时代要求,积极实现数字化转型,其中人力资源管理的数字化转型就是企业进行转型发展的重要一环。基于此,本文结合现阶段企业人力资源管理策略的现状及其在数字化转型背景下的局限,研究了数字化转型驱动的企业人力资源管理策略创新实践,并在此基础上,总结了相应的创新路径,如数据驱动决策、全生命周期学习计划、政企直连等,希望能进一步提高企业人力资源管理效率和人力资源价值。

关键词： 人工智能   城市交通系统   区块链   智能调度   大数据   云计算   深度融合   前沿技术  

摘要： 大数据、云计算、人工智能、5G、数字孪生、区块链等前沿技术正以前所未有的速度与轨道交通发展深度融合,其中智慧能源管理、智能调度、智能装备、四网,融合等领域作为未来发展的重要方向,对构建“综合、绿色、安全、智能的立体化现代化城市交通系统”起着关键作用。

关键词： 人工智能   跨学科教学   科学教育   教育生态  

摘要： 在人工智能飞速发展的时代背景下,交叉创新成为基础教育的主要发展方向。中国人民大学附属中学探索了人工智能赋能跨学科教学的实践路径,包括科学构建“AI+X”课程体系、有效实施“AI+X”学科交叉课程,以及合作开发“AI+X”前沿创新课例。通过对多个面向学生高阶能力培养的“AI+科学”跨学科教学案例的分析,介绍基于学校活动的人工智能教育生态构建模式,揭示通过校内外协作推动人工智能与学科教学深度融合的实施策略。

关键词： 人工智能   教育数据治理   欧盟《人工智能法》   法律规制  

摘要： 作为新一轮科技革命的核心驱动力,人工智能正在全方位融入并重塑教育生态系统。《教育强国建设规划纲要(2024—2035年)》在强调人工智能助力教育变革时,特别指出要强化数据安全、人工智能算法和伦理安全。人工智能嵌入教育数据治理,虽可赋能教育治理数智化,但也对公民受教育权、隐私权等基本权利构成挑战甚至威胁。为防范“数字利维坦”危机,亟须相应的法律规制。欧盟《人工智能法》在教育数据治理领域,体现了保障公民受教育权、促进教育数据开放共享、鼓励教育科技负责任创新的价值意蕴。其分等级治理、全链条治理及契约性治理的多重策略,对我国在人工智能时代教育数据治理的法律应对有重要的借鉴价值。

关键词： 科研平台   医学影像数据   人工智能   机器学习   深度学习   临床科研  

摘要： 目的构建多模态医学影像大数据AI科研平台,提升医院基于医学影像和临床信息的科研能力,推进医工交叉领域的健康医疗大数据融合创新应用,打造可推广、复制的医学数据处理新范式。方法通过采集并治理医院医学影像(包括放射、数字病理等)和临床信息等数据,实现数据采集、数据治理和数据分析等平台功能模块,规范科研课题管理和科研数据管理,实现科研活动全生命周期的统一管理和规划。结果截至2025年3月31日,该平台采集了涉及30个不同科室的患者影像数据超5万人次,病灶标注量32000余条,并通过科研项目建立了74个模型库,累计产出100余篇与平台研究成果相关的论文。结论基于AI技术的多模态影像大数据科研平台,破除了医院部门和系统之间的协作壁垒,简化了科研数据审批和应用过程,为科研人员打造了智能科研私人助手,显著提高了临床科研的质量、效率和产出。

关键词： 生成式人工智能   大语言模型   学术伦理   科研不端   伦理治理  

摘要： 生成式人工智能虽然问世不久,但已在学术领域得到广泛使用,由此引发的学术伦理问题受到了社会尤其是学界的高度关注。基于学术机构已出台的生成式人工智能学术伦理规范,可以提炼出生成式人工智能诱发的四类主要学术伦理问题,即难认定的内容剽窃、隐蔽性的数据泄露、系统性的知识偏见和自增强的虚假信息。与传统的学术伦理问题相比较,道德内疚感降低、系统性倾向固化、理解幻觉、算法机制不公开等原因是此种学术伦理问题的根源。针对上述问题,在借鉴相关学术伦理规范的基础上,应创新引注规范、审慎使用服务、人机双向理解和数据全程监管,以应对生成式人工智能带来的学术伦理冲击。

关键词： 人工智能   注意缺陷多动障碍   算法模型   虚拟现实  

摘要： 注意缺陷多动障碍是一种以持续性注意力缺陷、过度活跃和冲动行为为特征的神经发育性障碍,全球约5%的儿童受其影响。近年来,人工智能技术在注意缺陷多动障碍(attention deficit hyperactivity disorder,ADHD)诊断中的应用展现出显著潜力,结合脑电图(EEG)、磁共振成像(MRI)、虚拟现实(VR)和行为特征等多模态数据,AI驱动的机器学习模型能够从海量数据中提取关键特征,提升诊断的准确性与效率,尤其在神经影像学、脑电信号分析和行为数据处理领域,深度学习模型展现了卓越的分类性能,能够有效区分ADHD患者与正常个体。此外,结合个体的社会情况和虚拟现实技术生成的行为数据,AI技术进一步优化了ADHD诊断流程,并为临床诊断提供了强有力的决策支持。未来,随着数据质量的改进、多模态融合以及透明AI模型的发展,AI在ADHD早期筛查和预测中的应用前景广阔,有望提升患者的生活质量和临床诊断效果。

关键词： 数字孪生   核反应堆   数据融合   数据同化   人工智能  

摘要： 核反应堆数字孪生的发展有望通过信息物理融合的实现提高核电厂的安全性与经济性,而数据融合问题是信息物理融合的核心问题。因此本文面向核反应堆数字孪生领域,从数据融合的定义、融合对象、融合层次、融合方法以及数字孪生与数据融合的关系着手,进而从核反应堆数字孪生模型的构建、核反应堆设计与建造中的优化问题、核反应堆运行参数的反演与重构、核反应堆运行参数与剩余寿命的预测、核反应堆运行参数校准、核反应堆运行的反馈与控制、核反应堆的故障检测、识别与诊断以及核反应堆数字孪生其他方面的数据融合八个方面探讨了数据融合方法在核反应堆数字孪生的全生命周期中的应用与研究,从数据方面与融合方法方面指出当前研究存在的挑战,为未来核反应堆数字孪生发展过程中解决数据融合关键问题提供参考。

关键词： 人工智能   目标问题导向   混合式教学   数控加工实践   改革  

摘要： 人工智能技术快速推动工业技术的发展,高等教育也同样受益于该技术的促进作用。本文阐述了人工智能技术融入实践课程教学中,构建“人工智能+目标问题导向”混合式教学模式,同时围绕混合式教学模式对数控加工实践课程进行改革探索,梳理和优化了课程知识结构,凝练具有行业特色的教学内容,将人工智能技术贯穿于目标问题导向教学过程,建立了以实践成效为主导的个性化评价机制。该实践课程改革为人工智能技术在工程实践类课程开展相关的探索提供了案例支持。