课程文献中心 更多>>

关键词： 传媒教育   人工智能技术   复合型创新人才   计算机基础教育   伦理教育   传媒行业   多模态   数据分析  

摘要： 在人工智能技术飞速发展的背景下,AIGC技术凭借其自动化内容生成、多模态内容融合等特点,迅速变革了传媒行业,并推动了全新的商业模式和市场机会的出现。与此同时,传媒教育的智能化转型迫在眉睫,也面临着更新教学模式、促进跨学科融合和加强版权与伦理教育等挑战,这要求未来传媒从业者熟练掌握AI技术使用、数据分析以及应对技术伦理的能力。笔者通过回顾中国计算机基础教育的发展,以AIGC引领基础教育智能化转型为切入点,探讨了传媒教育如何在技术与艺术的融合中全面转型,并为培养复合型创新人才提供思路。

关键词： 数据资产   数据管理   数据价值  

摘要： 随着大数据时代的到来,数据已经成为组织中的关键资产。本文旨在探讨数据资产的定义、价值,以及数据资产管理的挑战和策略。通过对数据资产的深入研究,更好地理解其在现代企业中的核心地位,为企业提供更有效的数据管理建议,使数据资产发挥更好的价值,促进经济高质量发展。

关键词： MobileNet V2模型   迁移学习   垃圾分类   特征表达  

摘要： 垃圾分类结合人工智能图形识别技术,是对传统垃圾处理方式的改革,旨在实现垃圾的有效分类处置,是一种科学管理方法[1]。本文基于MobileNet V2网络结构,使用迁移学习提高模型特征表达的能力,改进并选择合适的损失函数和优化方案,使得模型能够区分不同种类的垃圾,训练完毕的模型导出后可以部署在嵌入式系统或者APP中。

关键词： 时间序列   预训练   电力数据   特征提取   表示学习  

摘要： 现有的时间序列任务往往训练一个端到端的模型,由于对标签的重度依赖且对相关仪器要求严苛,此过程往往需要消耗大量人力物力。近年在时间序列的预训练领域中,表示学习特别是对比学习逐渐成为了一个新热点并在各类场景取得了广泛且具有突破性的成效,这些方法通过建模时间序列内在联系给传统时间序列任务带来了提升性能和减少标签重度依赖的可能性。从电力时间序列数据出发,研究表征学习在电力时间序列数据的强大表现并提出一种建模用户粒度的电力时序数据并在该层面上求同存异地提取特征的模型。该模型通过建模社区内用户之间潜在的关系并通过判别式任务增强用户之间的可区分度,使表示学习充分体现用户间的同质元素和异质元素。实验发现本模型在国家电网数据集及其下游任务中得到了优于基线模型10%~15%的效果,并在一些公开数据集中得到一定程度的提升。这些实验都表明了所提出的通过建模用户间关系优化时间序列表示学习模型的优越性。

关键词： 车间调度   布谷鸟算法   最大完工时间  

摘要： 针对传统制造车间加工效率和资源利用率低的问题,对车间调度进行研究,以最小化最大完工时间为优化目标,建立优化模型。针对布谷鸟算法在求解车间调度问题时存在搜索能力差、收敛速度慢的缺点,提出自适应布谷鸟算法对模型进行求解。通过与实际加工情况对比验证,结果显示采用优化模型后公司的生产效率和设备的平均利用率大幅提高,证明了该模型和算法的实用性与有效性。

关键词： 碳排放   机器学习   设计参数   交叉验证   网格搜索  

摘要： 机器学习算法模型为住宅低碳设计与优化提供了数据支持。然而,在碳排放预测与分析时,算法模型常被直接使用,而未考虑调参与寻优,且不同自变量数据集对模型预测效果的影响差异也有待明确。为揭示不同算法模型对寒冷地区住宅低碳设计的指导效果、向建筑师提供算法模型的选择依据,针对多元线性回归、分类回归树、随机森林、自适应增强算法、梯度提升回归树和多层感知机等在低碳设计中常用的算法模型进行寻优,对比分析不同算法和自变量数据集的适用性与预测性能。该文说明了算法模型寻优的目标边界、参数取值范围、寻优过程和论证方法。在37栋寒冷地区钢筋混凝土剪力墙结构住宅及其衍生方案的基础上,采用交叉验证和网格搜索,建立了120个建材碳排放预测模型和60个将稳态耗热量转换为动态耗热量的转化系数预测模型。对比结果表明:总体上,多元线性回归、随机森林和梯度提升回归树算法的碳排放预测性能更好。其中,随机森林和梯度提升回归树算法在误差控制方面表现更佳,但预测优度与多元线性回归算法相近,且可解释性较差。采用恰当的自变量数据集,如建筑总层数、建筑层高、建筑面宽与进深等形体尺度参数,标准层户数与卧室数等功能配置参数,以及采暖期室外平均温度、实际供暖天数、屋面和墙面传热系数的修正系数等城市气象参数,多元线性回归算法能够为寒冷地区住宅低碳设计与优化提供更直观、有效的指导。

关键词： 人工智能电影   黑栈   行星计算   AIGC   碎片美学  

摘要： AI大模型的迅速发展让电影生产面临前所未有的转型。电影第一次面临其“基础设施”的解构和重建。从“制作”到“生成”的变革也让我们对作为新基础设施的AI大模型有更深刻的理解,即它不是一个“黑箱”,而是一个“黑栈”。就此而言,本杰明·布拉顿的“堆栈”思想可以在“行星计算”的语境下提供一条探索当代AI大模型及其算法的有效路径。在人工智能或将接管电影生产的AIGC时代,人类需要与AI建立起一种肯定性的生命政治关系。

关键词： 深度学习   迭代重建   滤波反投影   图像质量  

摘要： 目的:通过对比常规自适应迭代重建算法(ASiR-V),研究基于深度学习的图像重建算法(DLIR)对左心房及肺静脉CT图像质量和诊断信心的提高。方法:回顾性纳入31例行左心房及肺静脉CT成像的患者,对其原始数据使用滤波反投影(FBP)、30%ASiR-V、70%ASiR-V、DLIR-M(中)和DLIR-H(高)5种重建算法分别进行重建,测量左心房的CT值,计算相应背景噪声(SD)值、信噪比(SNR)值和对比噪声比(CNR)值。由2名工作多年放射科医师分别评价5组重建图像的图像质量。结果:客观评价:5组重建图像在左心房的SD值、CNR值和SNR值的差异均有统计学意义(P<0.001)。其中DLIR-H最好,FBP和30%ASiR-V、DLIR-M与70%ASiR-V无显著性差异。随DLIR重建等级增加,SD值降低,SNR值和CNR值升高。主观评价:2位放射科医师对图像质量的主观评价一致性良好(kappa值为0.814),DLIR-H表现出最佳主观图像质量分数。结论:DLIR与FBP、ASiR-V算法相比,降噪效果更明显,图像质量更好。

关键词： 模拟退火算法   神经网络算法   矿井通风量预测  

摘要： 针对矿井自动通风系统风量控制不当,容易引起人身安全问题,提出一种基于SA-BP算法优化矿井自动通风系统的方法。运用环境传感器采集矿井CH4浓度、粉尘、温度等数据,利用模拟退火算法(Simulated Annealing,SA)对归一化后的数据分析,由于BP神经网络负反向传播的特性,通过SA迭代优化BP神经网络的权值与阈值,将BP神经网络输出误差作为SA算法的适应度函数,选取通风量与CH4、粉尘之间的最优目标值。实验表明,该方法能够对矿井通风量进行精准预测,具备更好的鲁棒性与泛化能力。