课程文献中心 更多>>

关键词： 算法风险   算法治理   算法向善   特征分析  

摘要： [目的/意义]随着ChatGPT的横空出世,算法应用越来越多地支配着人类的生活,算法黑箱、算法操控、算法共谋、算法偏见、算法歧视等风险也随之而来,这些风险严重影响社会稳定乃至国家安全。对全球算法风险的形势进行研判能够有助于防范与识别算法风险,并为应对全球算法风险治理难题提供中国智慧与构想。[方法/过程]通过系统梳理国内外主要数据库915条核心文献,构建基于“学科领域—研究主题—治理工具—治理措施”的算法风险研究框架,并分析算法风险具有学科的交叉性、复杂的交织性、突出的人为性、泛化的不确定性等特征。[结果/结论]从加强情报学学科对算法风险研究、加强对人工智能算法可解释性研究、加强算法应用向善和算法服务从善研究、加强对全球算法风险治理中国智慧与构想研究4个方面对算法风险研究问题进行展望。

关键词： 深度学习   一维卷积神经网络   智能控制   数据特征可视化   泛化性能  

摘要： 浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑智能控制算法,并完成高精度网络模型训练和1D-CNN数据特征可视化;以20层benchmark模型为对象,研究了不同工况下1D-CNN深度学习智能控制算法的减震效果,并与BP(back propagation,BP)和RBF(radial basis function,RBF)等浅层学习进行对比。结果表明,1D-CNN凭借一维卷积和池化特性,可自动提取数据深层次特征并对海量数据进行降维处理;在外界激励作用下,1D-CNN控制器加速度和位移最高减震率分别为69.0%和55.6%,控制性能远高于BP和RBF;改变激励作用后,3种控制器控制性能均有所降低,但1D-CNN性能降幅最小且减震率最高,说明1D-CNN具备更好的泛化性能。

关键词： 人工智能算法   信息资源管理   知识扩散   全文本计量  

摘要： 人工智能算法在信息资源管理领域被广泛应用。文章利用发表于1990—2022年14种信息资源管理领域代表性期刊中的25,851篇英文论文,从全文内容中抽取人工智能算法,探讨不同算法在年度频次、总频次、篇章结构中的位置频次等方面的扩散情况。研究发现:支持向量机(SVM)等算法在本领域学术论文中呈现成功扩散的显著趋势,BERT等新兴算法亦呈现出上升潜力;这些算法集中在论文的文献综述、方法和评估与结果等部分,表明人工智能算法在信息资源管理领域论文篇章结构中的扩散趋势。

关键词： 肺腺癌   SHOX2   RASSF1A   甲基化   侵袭性  

摘要： 目的 探讨基于SHOX2和RASSF1A甲基化水平的机器学习算法预测早期肺腺癌病理类型的准确性。方法 回顾性分析2021年1月—2023年1月在南通大学附属医院接受肺部肿瘤切除手术患者的石蜡包埋(formalin-fixed paraffin-embedded,FFPE)标本。根据肿瘤的病理学分类,将患者分为3组:良性肿瘤/原位腺癌(benign tumor/adenocarcinoma in situ,BT/AIS)组、微浸润腺癌(minimally invasive adenocarcinoma,MIA)组和浸润性腺癌(invasive adenocarcinoma,IA)组。使用LungMe试剂盒通过甲基化特异性PCR(MS-PCR)测量FFPE标本的SHOX2和RASSF1A甲基化水平。以SHOX2和RASSF1A的甲基化水平为预测变量,采用机器学习算法(包括逻辑回归、XGBoost、随机森林、朴素贝叶斯)预测不同的肺腺癌病理类型,并构建网络服务器供临床使用。结果 共纳入272例患者,BT/AIS组、MIA组和IA组患者的平均年龄分别为57.97岁、61.31岁和63.84岁;女性患者占比分别为55.38%、61.11%和61.36%。基于SHOX2和RASSF1A甲基化水平建立的早期肺腺癌预测模型中,随机森林与XGBoost模型在预测各病理类型时表现良好。随机森林模型的C统计量在BT/AIS组、MIA组和IA组分别为0.71、0.72和0.78。XGBoost模型的C统计量在BT/AIS组、MIA组和IA组分别为0.70、0.75和0.77。朴素贝叶斯模型仅在IA组表现较为稳健,C统计量为0.73,具有一定的预测能力。逻辑回归模型在各组中的表现最差,对各组均无预测能力。通过决策曲线分析,随机森林模型在BT/AIS和MIA病理类型的预测中展示了较高的净收益,表明其在临床应用中具有潜在价值。结论 基于SHOX2和RASSF1A甲基化水平的机器学习算法预测早期肺腺癌病理类型具有较高的准确性。

关键词： 算法推荐   网络思想政治教育   高等学校   数字化治理   话语体系  

摘要： 算法推荐作为一种全新的信息资源配置手段,从精准适配教育内容、精准施策及精准评估三个层面打造了高校网络思想政治教育新格局。同时,算法推荐的主体情感偏好、受众本位特征与技术的琐碎化也给高校意识形态建设、网络思想政治教育的话语体系建设与数智化转型带来了挑战。当前,高校急需协同多方力量通过加强数字化治理、创新网络思想政治教育话语体系并增强教育主体与教育客体的数字素养培育来积极探索数智化发展进路,持续推进高校网络思想政治教育的高质量发展。

关键词： 强化学习   PPO算法   生成式对抗模仿学习   深度学习   最大熵学习  

摘要： 为提高智能体在策略优化过程中的探索性和稳定性,改善强化学习中智能体陷入局部最优和奖励函数设置问题,提出了一种基于最大熵修正和GAIL的PPO算法;在PPO框架内引入最大熵修正项,通过优化策略熵,鼓励智能体在多个可能的次优策略间进行探索,从而更全面地评估环境并发现更优策略;同时,为解决强化学习过程中因奖励函数设置不合理引起的训练效果不佳问题,引入GAIL思想,通过专家数据指导智能体进行学习;实验表明,引入最大熵修正项和GAIL的PPO算法在强化学习任务上取得了良好的性能,有效提升了学习速度和稳定性,且能有效规避因环境奖励函数设置不合理引起的性能损失;该算法为强化学习领域提供了一种新的解决策略,对于处理具有挑战性的连续控制问题具有重要意义。

关键词： 精细地质建模   开采沉陷   预计算法   概率积分   分级建模  

摘要： 针对现有开采预计软件计算模型与实际地质条件存在差异、无法预计开采块段内部厚度和起伏变化引起的不均匀沉陷的问题,提出了“先搭建骨架、后细部插值”的地质模型分级分步建模方法,并针对井下各开采微分单元煤厚、倾角等差异特点,对传统概率积分算法和公式进行了优化。在此基础上,开发了开采沉陷预计软件,并以赵楼煤矿5301工作面为工程实例,就现有算法和优化算法进行了对比,分析表明,优化后的概率积分法预计算法可以反映煤厚等差异引起的不均匀沉陷等问题,预计精度得到了提升。

关键词： 设备管理   设备运维平台   设备培训管理模式  

摘要： 随着地铁行业发展的逐渐成熟,新的管理模式和信息运维系统不断出现。结合南京地铁设施设备运维平台,探讨设备管理模式的演变和管理体系的应用,提出一种新的人工运维和设备运维系统融合的管理培训系统模式,为后期员工培训和维保管理打下坚实基础,推动智慧化维保发展。

关键词： 装配零件   YOLOv5n   特征提取   融合特征   轻量化  

摘要： 针对非结构化环境中装配零件检测精度不高,特征融合不充分等问题,提出了一种基于改进YOLOv5n模型的装配零件视觉检测算法。为了增强对零件的特征提取能力,引入具有可变形卷积DCNv3结构的InternImage网络主干;应用TSCode解耦头,融合特征信息,提高了分类和定位的准确度;加入Slim-Neck颈部网络,在模型保持精度同时进行轻量化。最后进行对比实验,在自制数据集上,相较于原始YOLOv5n模型,改进YOLOv5n模型的准确率提高到了97.61%、召回率提高到了97.03%、mAP提高到了96.42%,验证了改进模型在非结构化零件装配任务中更加准确可靠。

关键词： 二进制优化算法   电鳗觅食优化算法   转换函数   复合型转换函数   背包问题  

摘要： 电鳗觅食优化算法是一种近年提出的元启发式算法,主要用于解决连续优化问题,并在各类工程问题中有所应用。然而,许多实际的优化问题是离散的,因此需要开发算法的二进制版本。研究人员通常通过转换函数将连续解转化为离散解,以解决这些离散优化问题,但传统的S型转换函数容易发散而难以收敛,V型转换函数则容易陷入局部最优,难以跳出。针对这一问题,本文通过结合电鳗的能量因子,将S型和V型转换函数融合,提出了一种新的复合转换函数,用于电鳗算法的二值化。同时,由于电鳗算法在交互和迁徙阶段可能过早收敛,本文对算法进行了改进。具体来说,在交互阶段增加了权重控制因子,利用S型转换函数的发散特性,增强了全局搜索能力;在迁徙阶段引入了约束因子,约束电鳗的行为,避免过早收敛和陷入局部最优。通过在背包问题上的实验,验证了所提出的二进制电鳗觅食优化算法的有效性。