機器學習
- 醫(yī)學信息管理系統(tǒng)智能化綜合數(shù)據(jù)分析功能及實現(xiàn)
合方式，結(jié)合機器學習和數(shù)據(jù)挖掘技術(shù)，表明該功能的應用有望提高醫(yī)療研究決策的準確性和醫(yī)學管理信息的質(zhì)量。同時，本文探討了系統(tǒng)設計和數(shù)據(jù)隱私保護方面的相關(guān)問題，并著重強調(diào)了智能綜合數(shù)據(jù)分析在醫(yī)學信息管理系統(tǒng)中的潛在價值，期望能為相關(guān)從業(yè)人員提供參考。關(guān)鍵詞：醫(yī)學信息管理系統(tǒng)；綜合數(shù)據(jù)分析；數(shù)據(jù)整合；機器學習引言隨著醫(yī)學信息管理系統(tǒng)的廣泛應用，醫(yī)療領(lǐng)域產(chǎn)生了大量的數(shù)據(jù)。這些數(shù)據(jù)包括患者的醫(yī)療記錄、診斷報告、藥物信息，以及來自不同醫(yī)療機構(gòu)和設備的數(shù)據(jù)等。為更好地利
互聯(lián)網(wǎng)周刊 2024年12期2024-07-11
- 基于機器學習的鋰離子電池壽命預測算法研究
；壽命預測；機器學習中圖分類號：TM912? 文獻標志碼：A0 引言隨著電動車的普及和便攜式電子設備性能的提升，加之太陽能、風能等可再生能源在能源體系中占比的增長，鋰離子電池作為關(guān)鍵的能量存儲組件，其需求和應用正在快速增長。電池的性能和使用壽命對這些設備的穩(wěn)定運行至關(guān)重要。因此，研發(fā)一種精確的電池壽命預測技術(shù)顯得尤為關(guān)鍵。這樣的預測技術(shù)不僅使用戶和維護人員能夠預先安排電池的保養(yǎng)和更換，防止意外故障和安全隱患，還能提高電池的使用效率，延長使用壽命，減少資源消
無線互聯(lián)科技 2024年11期2024-07-10
- 人工智能與創(chuàng)意：機器學習在藝術(shù)設計領(lǐng)域的應用與影響
用日益廣泛，機器學習賦能了視覺設計、交互設計和音樂創(chuàng)作等領(lǐng)域。本文探討了人工智能在藝術(shù)設計領(lǐng)域的具體應用，分析了機器學習對創(chuàng)作效率、創(chuàng)意思維和審美標準的影響，展望了人機協(xié)作下藝術(shù)設計創(chuàng)新的未來發(fā)展趨勢。關(guān)鍵詞： 人工智能；機器學習；藝術(shù)設計；視覺設計引言科技革新始終是推動藝術(shù)發(fā)展的重要動力。在當下，人工智能作為一門前沿技術(shù)，正為藝術(shù)設計領(lǐng)域帶來新的機遇和挑戰(zhàn)。機器學習等人工智能技術(shù)的應用，使計算機不僅能高效處理和分析大量數(shù)據(jù)，更能從中發(fā)現(xiàn)規(guī)律、形成認知，為
公關(guān)世界 2024年11期2024-07-10
- 基于物理信息神經(jīng)網(wǎng)絡的波動方程優(yōu)化求解方法
理神經(jīng)網(wǎng)絡；機器學習；波動方程；救援；物理學0引言在當今社會，由于全球氣候變化、生態(tài)環(huán)境破壞以及地殼運動活躍等因素的影響，自然災害[1]的發(fā)生呈現(xiàn)出頻次增加、強度加劇的趨勢，包括地震[2]、洪水、臺風、滑坡、森林火災等多種災害形式。這些災害不僅對人民生命財產(chǎn)安全構(gòu)成嚴重威脅，而且對社會穩(wěn)定和經(jīng)濟發(fā)展也帶來了巨大挑戰(zhàn)。因此，在災后救援工作中，如何快速、精準地定位被困人員，提升傷員搜救效率，最大限度地減少因災害造成的人員傷亡和經(jīng)濟損失，成為一個緊迫且重要的課題
電腦知識與技術(shù) 2024年15期2024-07-09
- 心血管疾病中高風險人群頸動脈粥樣硬化的識別：基于機器學習的預測模型及驗證
。目前，關(guān)于機器學習方法識別FRS中高風險人群CAS的研究依然缺乏。目的 運用機器學習方法構(gòu)建FRS中高風險人群CAS的預測模型，比較其判別效能，篩選出性能最優(yōu)的模型，以期輔助基層醫(yī)療人員更簡便更準確地識別CAS。方法 采用方便抽樣法，選取2019—2021年和2023年在廣西壯族自治區(qū)柳州市兩鄉(xiāng)鎮(zhèn)的674例當?shù)鼐用褡鳛檠芯繉ο蟆Ｊ占嚓P(guān)信息，并采集空腹血樣、尿樣檢測生化指標。采用FRS評估CVD發(fā)生風險；運用頸動脈超聲診斷CAS。將2019—2021年5
中國全科醫(yī)學 2024年30期2024-07-09
- 基于檢驗大數(shù)據(jù)的心肌梗死預測模型研究
王瑩關(guān)鍵詞：機器學習；邏輯回歸；支持向量機；大數(shù)據(jù)；心梗心血管疾病是人類死亡的主要原因，全世界每年約有2，000萬人死于急性心血管疾病。心肌梗死（myocardialinfarction，MI）是由心肌缺血引發(fā)的心肌損傷，其高發(fā)病率給家庭和社會帶來沉重的經(jīng)濟負擔，并嚴重影響MI患者的生活質(zhì)量[1]。研究表明，MI患者的高發(fā)病率與早期缺乏有效的預防和干預措施有關(guān)。干預滯后的原因包括首次就醫(yī)治療的延遲、缺乏顯著提示意義的預測標志物，以及傳統(tǒng)評價標準無法提供準確
電腦知識與技術(shù) 2024年15期2024-07-09
- 基于機器學習模型的節(jié)理巖體UCS預測方法
度，開展基于機器學習的含單節(jié)理巖體力學性質(zhì)智慧預測方法研究。為充分論證機器學習算法在巖體性能預測方面的適用性，引入神經(jīng)網(wǎng)絡、隨機森林、支持向量機等多種機器學習算法，并采用分布統(tǒng)計、灰色關(guān)聯(lián)分析等手段遴選關(guān)鍵控制指標，進一步結(jié)合k折交叉驗證法訓練映射網(wǎng)絡，在此基礎上比較了多種機器學習算法及傳統(tǒng)回歸分析模型的預測性能。研究結(jié)果表明：① 統(tǒng)計分析與灰色關(guān)聯(lián)度分析可高效篩選指標組合；② k折交叉驗證和多指標評價能有效減少機器學習模型的偶然誤差；③ 整體上特征數(shù)量與
人民長江 2024年13期2024-07-06
- 基于鯨魚優(yōu)化算法支持向量回歸的汽車運動狀態(tài)估計
動力學模型；機器學習；支持向量回歸；鯨魚優(yōu)化算法中圖分類號：U461.1DOI：10.3969/j.issn.1004132X.2024.06.003開放科學（資源服務）標識碼（OSID）：Vehicle Motion State Estimation Based on WOA-SVRYOU Yong1，2? MENG Yunlong1，2? WU Jingtao1，2? WANG Changqing31.College of Mechanical Eng
中國機械工程 2024年6期2024-07-03
- 基于機器學習的油菜葉片水分含量高光譜估測
量；高光譜；機器學習doi：10.13304/j.nykjdb.2022.0977中圖分類號：S126 文獻標志碼：A 文章編號：10080864（2024）05011010油菜是我國主要的經(jīng)濟作物，也是我國播種面積和產(chǎn)量最大的油料作物，發(fā)展油菜生產(chǎn)對保障中國食用油安全具有重要意義[1]。我國油菜主產(chǎn)區(qū)位于長江流域及云貴高原，這些地區(qū)降雨豐沛，但季節(jié)分布不均勻，再加上油菜生長周期長，其產(chǎn)量和品質(zhì)極易受氣候變化影響[2]。中國油菜主產(chǎn)區(qū)常常受季節(jié)性干旱危害，
中國農(nóng)業(yè)科技導報 2024年5期2024-07-01
- 基于機器學習的老年慢性心力衰竭病人衰弱風險預測模型的構(gòu)建
蓉，等.基于機器學習的老年慢性心力衰竭病人衰弱風險預測模型的構(gòu)建[J].護理研究，2024，38（12）：2103?2109.Construction of predictive model of frailty risk in elderly patients with chronic heart failure based on machine learningHAI Rui， WANG Hui， ZHANG Rong， XU Yaping， YANG
護理研究 2024年12期2024-06-30
- 基于低維二階馬爾可夫矩陣的加密流量分類方法
近年來隨著機器學習在各領(lǐng)域成功應用，其也被應用于加密流量分類中，但傳統(tǒng)特征提取方法可能會導致流量中重要信息丟失或無效信息冗余，阻礙了分類精度與效率的進一步提升. 本文提出一種基于低維二階馬爾可夫矩陣的加密流量分類方法LDSM，用以篩選表征能力強的流量特征，從而優(yōu)化模型分類效果. 首先，提取加密流量中有效負載，根據(jù)其十六進制字符空間分布構(gòu)建二階馬爾可夫矩陣；其次，通過計算狀態(tài)轉(zhuǎn)移概率矩陣中各特征的基尼增益，迭代刪除對模型訓練貢獻最低的特征，取模型分類準確率
四川大學學報(自然科學版) 2024年3期2024-06-29
- 瞬變電磁法在礦山巷道超前預報系統(tǒng)構(gòu)建中的應用研究
數(shù)據(jù)。其中，機器學習算法整合深度卷積神經(jīng)網(wǎng)絡、多列神經(jīng)網(wǎng)絡、數(shù)據(jù)二值化輸出、模糊決策矩陣預警等算法，給出了覆蓋范圍較大的粗略預警結(jié)果和覆蓋范圍較小的精細預警結(jié)果。經(jīng)仿真分析，粗略預警結(jié)果和精細預警結(jié)果均表現(xiàn)出一定的數(shù)據(jù)敏感性，且精細預警可以在巷道掘進問題巖層前24 h給出較高敏感度的預警結(jié)果。關(guān)鍵詞：瞬變電磁法；礦山巷道；超前探測；機器學習；神經(jīng)網(wǎng)絡；數(shù)據(jù)預警中圖分類號：TD263?? ???????文章編號：1001-1277（2024）06-0027-
黃金 2024年6期2024-06-28
- 梅雨降水季節(jié)預測的多方法比較
歸方法和5種機器學習方法（隨機森林、輕量級梯度提升機、自適應提升、類別型特征提升、極端梯度提升）建立的預測模型的技巧。雖然訓練期（1961—2000年）偏最小二乘回歸和機器學習建模擬合效果更高，但在獨立預測期（2001—2022年）上述模型的預測技巧顯著降低（相關(guān)系數(shù)均低于0.44，均方根誤差均大于0.93），出現(xiàn)了明顯的過擬合問題。本研究強調(diào)梅雨的短期氣候預測應建立在物理機制基礎之上，而使用機器學習方法需謹慎。關(guān)鍵詞梅雨;季節(jié)預測;物理經(jīng)驗預測模型;機器
大氣科學學報 2024年2期2024-06-27
- 鉆井數(shù)據(jù)分類分級管控技術(shù)研究
能分類分級的機器學習算法，為下一步全面推廣實施奠定了基礎。關(guān)鍵詞：分類分級；數(shù)據(jù)安全；數(shù)據(jù)管控；機器學習；數(shù)據(jù)治理中圖分類號：TP309.2 文獻標識碼：A文章編號：1009-3044（2024）13-0135-03 開放科學（資源服務）標識碼（OSID） ：0 引言數(shù)據(jù)安全問題已經(jīng)在全世界范圍引起了各國的重視。歐盟在2020年出臺了《數(shù)據(jù)治理法案》[1]，美國國會研究服務局CRS（The Congressional Research Ser?vice）
電腦知識與技術(shù) 2024年13期2024-06-26
- 機器學習在心血管疾病中應用的研究進展
本高等問題。機器學習具有強大的分析能力，可改善此類問題，在心血管疾病臨床應用中受到了廣泛關(guān)注。介紹了機器學習的相關(guān)概念，梳理了機器學習在心血管疾病臨床應用的研究進展，總結(jié)機器學習在該領(lǐng)域的不足與挑戰(zhàn)，旨在為機器學習在心血管疾病臨床應用的進一步研究提供參考。關(guān)鍵詞 ?心血管疾病；機器學習；臨床應用；綜述doi： ?10.12102/j.issn.1672.1349.2024.10.015隨著人口老齡化進程加快，受居民不良生活方式的影響，心血管疾病發(fā)病率逐年增
中西醫(yī)結(jié)合心腦血管病雜志 2024年10期2024-06-24
- 基于極端梯度提升算法的地震同相軸自動識別
相軸拾取； 機器學習； 特征拾取； 極端梯度提升算法中圖分類號：P 631.4?? 文獻標志碼：A文章編號：1673-5005（2024）03-0044-13?? doi：10.3969/j.issn.1673-5005.2024.03.005Automatic detection of seismic event based on eXtreme gradient boostingHUANG Jianping1， ZHANG Ruofeng1， GAO
中國石油大學學報(自然科學版) 2024年3期2024-06-24
- 大數(shù)據(jù)背景下數(shù)據(jù)分析課程教學改革探索研究
；教學實踐；機器學習；人工智能；數(shù)據(jù)挖掘1?概述近年來，隨著人工智能及大數(shù)據(jù)的發(fā)展，各行各業(yè)都充斥著大量的數(shù)據(jù)，這些數(shù)據(jù)一般會呈現(xiàn)數(shù)據(jù)量大、數(shù)據(jù)維數(shù)大、數(shù)據(jù)變化快、隱藏價值高等特點，數(shù)據(jù)結(jié)構(gòu)也從起初的結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變?yōu)榘虢Y(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，海量的數(shù)據(jù)中所蘊含的潛在價值成為人們關(guān)注的焦點，許多傳統(tǒng)的數(shù)據(jù)分析與統(tǒng)計方法已無法處理當下信息豐富的數(shù)據(jù)，因此各行各業(yè)都急需一些具有較強數(shù)據(jù)分析能力的人才，這也是對信息和應用統(tǒng)計學專業(yè)的學生提出的新要求。對于信息與應用統(tǒng)
科技風 2024年6期2024-06-24
- 基于時間序列相似性與機器學習方法的頁巖氣井產(chǎn)量預測
序列，優(yōu)選的機器學習方法為門控神經(jīng)網(wǎng)絡和長短期記憶網(wǎng)絡。結(jié)果表明，采用機器學習方法結(jié)合頁巖氣井強相關(guān)性序列（日產(chǎn)氣量、套壓、油壓、日產(chǎn)水量）能有效降低預測誤差，提高頁巖氣井產(chǎn)量預測效果。關(guān)鍵詞：頁巖氣井； 機器學習； 相似性； 時間序列； 產(chǎn)量預測中圖分類號：TE 312?? 文獻標志碼：A文章編號：1673-5005（2024）03-0119-08?? doi：10.3969/j.issn.1673-5005.2024.03.013Shale gas w
中國石油大學學報(自然科學版) 2024年3期2024-06-24
- 基于機器學習方法的三維氣流組織溫度場重構(gòu)
的設置下，該機器學習模型的訓練預測能力。對比結(jié)果表明：不同學習率對于模型訓練的結(jié)果有較大影響，應通過預實驗選取最佳學習率。在同等條件下，應優(yōu)先選取較大的數(shù)據(jù)集進行訓練，便于提取高維物理特征。關(guān)鍵詞：云計算???機器學習???計算流動動力學???氣流組織溫度場中圖分類號：TP393隨著云計算等新型數(shù)據(jù)通信模式的快速發(fā)展，算力正在成為一種新的生產(chǎn)力，而數(shù)據(jù)中心機房作為算力的物理承載，面臨著服務器運行時產(chǎn)生的熱負荷。當熱負荷過大時，將無法有效發(fā)揮計算集群的性能，
科技資訊 2024年6期2024-06-19
- 投資者情緒是否會影響股票定價效率？
帖信息，利用機器學習方法分析文本情緒狀態(tài)，構(gòu)建投資者情緒指標并分析其對股票定價效率的影響。研究表明，投資者情緒與股票定價效率之間存在顯著正相關(guān)關(guān)系，也即樂觀的投資者情緒會帶動股票定價效率的提升。這種影響效應是通過樂觀情緒降低了信息不對稱程度，進而提升了股價信息含量，并與定價效率的機制路徑產(chǎn)生作用。進一步看，隨著賣空限制的降低，股票定價效率對情緒的敏感程度會增大；良好的信息環(huán)境會降低情緒對股票定價效率的影響。研究結(jié)論為從個體投資者情緒視角透視我國股票市場運行
北京聯(lián)合大學學報(人文社會科學版) 2024年3期2024-06-16
- 管理者長期主義如何促進企業(yè)技術(shù)創(chuàng)新
究樣本，利用機器學習和文本分析方法構(gòu)建管理者長期主義指標，進而探究管理者長期主義對技術(shù)創(chuàng)新的作用機制及數(shù)字化轉(zhuǎn)型的調(diào)節(jié)效應。結(jié)果表明：管理者長期主義對技術(shù)創(chuàng)新具有顯著促進作用，主要通過緩解委托代理問題與提升內(nèi)部控制質(zhì)量兩條中介路徑實現(xiàn)；數(shù)字化轉(zhuǎn)型力度越大，管理者長期主義對技術(shù)創(chuàng)新的促進作用越顯著，即數(shù)字化轉(zhuǎn)型對管理者長期主義與技術(shù)創(chuàng)新之間的關(guān)系具有正向調(diào)節(jié)效應，且該效應在企業(yè)給予管理層股權(quán)激勵以及外部市場競爭程度高的情境下更加顯著。關(guān)鍵詞：管理者長期主義；
科技進步與對策 2024年11期2024-06-15
- 基于機器學習的碳基材料對水中四環(huán)素吸附預測研究
量的數(shù)據(jù)，以機器學習為方法準確地預測了不同碳基材料在不同環(huán)境條件下對水中四環(huán)素的吸附量。其中梯度提升樹（CBDT）對四環(huán)素的吸附量預測效果最好（R2>0.99）。比表面積和孔容積是決定碳基材料對四環(huán)素吸附量的最主要的特征。除pH與pHpzc對吸附量的貢獻為負外，其余變量對吸附量均為正貢獻，即特征重要性越明顯時，對吸附量的提升越有利。整體而言，四環(huán)素在碳基材料上的吸附是一個物理過程，受吸附劑的物理特性和環(huán)境因素影響較大，而受碳基材料的化學特性的影響較小。關(guān)鍵
環(huán)境科學與管理 2024年2期2024-06-13
- 基于融合算法的電池熱失控預警方法研究
建特征方程和機器學習模型進行訓練，提高故障報警準確率，為新能源汽車的安全性和穩(wěn)定性提供有效保障。【關(guān)鍵詞】熱失控預警;算法;信息熵;機器學習中圖分類號：U469.72? ? 文獻標識碼：A? ? 文章編號：1003-8639（ 2024 ）05-0014-04Research on Thermal Runaway Early Warning Method for Power Battery Based on Fusion Algorithm*LIU Yao
汽車電器 2024年5期2024-06-08
- 基于機器學習的橋梁檢測技術(shù)狀況評定方法
述問題，基于機器學習研究了一種新的橋梁檢測技術(shù)狀況評定方法。構(gòu)建監(jiān)測模型，利用傳感器數(shù)據(jù)和圖像數(shù)據(jù)檢測數(shù)據(jù)集，處理缺失值、異常值和重復項，選擇適當?shù)?span id="g0gggggg" class="hl">機器學習模型進行監(jiān)督學習的訓練，對橋梁健康進行評估，識別橋梁結(jié)構(gòu)中的損傷并定位，應用模型進行結(jié)構(gòu)強度預測。通過閾值警報系統(tǒng)和實時決策支持系統(tǒng)，實現(xiàn)對橋梁健康狀況的及時監(jiān)測和反饋。實驗結(jié)果表明，基于機器學習的橋梁檢測技術(shù)狀況評定方法在損傷檢測、提高響應能力和實時監(jiān)測方面具有良好效果，適用于實際工程中。關(guān)鍵詞 機器
交通科技與管理 2024年10期2024-06-04
- 基于Bagging集成學習方法的用電異常檢測方法研究
：異常檢測；機器學習；用電異常；電力用電中圖分類號：TM73；TP181 文獻標識碼：A0 引言隨著全球能源需求的不斷增長，電力系統(tǒng)的可靠性和效率成為學術(shù)界和工業(yè)界關(guān)注的焦點[1]。用電異常檢測是保障電力系統(tǒng)穩(wěn)定運行的關(guān)鍵技術(shù)之一，能夠幫助電力公司及時發(fā)現(xiàn)和處理用電異常情況，避免能源浪費和潛在的安全風險。然而，用電數(shù)據(jù)的復雜性和動態(tài)變化使得準確檢測異常成為一項挑戰(zhàn)。傳統(tǒng)的檢測方法往往難以適應數(shù)據(jù)的多樣性和大規(guī)模變化，這限制了它們在實際應用中的效果[2]。在
電子產(chǎn)品世界 2024年3期2024-06-04
- 面向食品安全法規(guī)的知識圖譜構(gòu)建
識，使用基于機器學習的命名實體識別方法完成領(lǐng)域命名實體識別。最后，實現(xiàn)食品安全法規(guī)知識圖譜的構(gòu)建。關(guān)鍵詞：食品安全法規(guī)；知識圖譜；自然語言處理；機器學習；命名實體識別；BERT模型中圖分類號：TP391.1? ? 文獻標識碼：A? ? 文章編號：2096-4706（2024）06-0103-07Construction of Knowledge Graph for Food Safety RegulationsZHANG Xinyue， WANG Ning
現(xiàn)代信息科技 2024年6期2024-06-03
- 數(shù)據(jù)科學國內(nèi)外研究熱點與前沿推進
了近年國內(nèi)外機器學習研究的側(cè)重與發(fā)展規(guī)模，積極探討了數(shù)據(jù)科學基礎技術(shù)的研究熱點，為該領(lǐng)域今后研究提供了方向借鑒。關(guān)鍵詞：CiteSpace；數(shù)據(jù)科學；機器學習；熱點前沿；文獻計量法中圖分類號：TP391? 文獻標識碼：A? 文章編號：2096-4706（2024）06-0095-08Research Hotspot and Advance of the Frontier of Data Science at Home and Abroad—Visualiz
現(xiàn)代信息科技 2024年6期2024-06-03
- 基于機器學習的口咽癌死亡預測模型構(gòu)建與研究
? 要：采用機器學習對口咽癌患者一年生存情況構(gòu)建預測模型，通過比較找到最優(yōu)模型，以期為相關(guān)疾病預后提供可靠的參考指標。選取SEER數(shù)據(jù)庫中2020年的口咽癌患者2 636例，數(shù)據(jù)經(jīng)過SMOTE算法優(yōu)化后，運用八種機器學習方法建立預測分類模型比較分析。基于隨機森林、決策樹算法的模型相對來說預測性能更佳。機器學習算法建立的預測模型能夠較好地輔助口咽癌臨床診療及預后相關(guān)行為。關(guān)鍵詞：口咽癌；機器學習；預測模型；SEER數(shù)據(jù)庫；SMOTE算法中圖分類號：TP39；
現(xiàn)代信息科技 2024年6期2024-06-03
- 基于人工智能的駕駛行為監(jiān)測系統(tǒng)設計與實現(xiàn)
該系統(tǒng)集成了機器學習和計算機視覺技術(shù)，目的是實時識別并分析駕駛員的行為模式，以便預測和預防潛在的交通事故。通過利用車載攝像頭和多種傳感器的數(shù)據(jù)，系統(tǒng)采用深度學習算法進行高效的數(shù)據(jù)處理，實現(xiàn)了對復雜駕駛環(huán)境和行為的精確解析。實驗結(jié)果顯示，本系統(tǒng)在檢測諸如超速、急剎車、分心駕駛等危險行為方面表現(xiàn)出高度的準確性和可靠性。綜合而言，本研究不僅推動了人工智能技術(shù)在交通安全領(lǐng)域的應用，也為未來駕駛行為監(jiān)測和交通事故預防提供了有力的技術(shù)支持。關(guān)鍵詞：人工智能；駕駛行為監(jiān)
電腦知識與技術(shù) 2024年11期2024-06-03
- 基于數(shù)據(jù)中臺的建筑業(yè)數(shù)據(jù)清洗算法研究
；數(shù)據(jù)清洗；機器學習；ETL；建筑業(yè)一、前言在建筑業(yè)，隨著BIM等數(shù)字化技術(shù)的發(fā)展，工作模式已逐漸向標準化和結(jié)構(gòu)化推進，并依托模型數(shù)據(jù)實現(xiàn)精細化管理。通過物聯(lián)網(wǎng)技術(shù)實現(xiàn)多元數(shù)據(jù)采集和傳輸，極大拓展BIM信息來源，確保數(shù)據(jù)實時、準確[1]。通過云計算技術(shù)實現(xiàn)數(shù)據(jù)的分布式存儲，使項目不同參與方、不同業(yè)務領(lǐng)域、建筑不同階段之間的數(shù)據(jù)能夠共享與管理，提高BIM的協(xié)作能力，為共享、使用BIM數(shù)據(jù)奠定基礎[2]。數(shù)據(jù)挖掘技術(shù)則可以對海量數(shù)據(jù)進行高效、深度挖掘，從而充分
信息系統(tǒng)工程 2024年5期2024-06-03
- 基于SVM-DT-MLP模型的Web日志異常流量檢測研究
g特征選擇；機器學習中圖分類號：TP391.1；TP183? 文獻標識碼：A? 文章編號：2096-4706（2024）04-0171-05Research on Web Log Abnormal Traffic Detection Based on the SVM-DT-MLP ModelWEI Lulu， CHENG Nannan（Information Engineering College， Jiangxi University of Techno
現(xiàn)代信息科技 2024年4期2024-06-01
- 事前視角下公眾對自然災難的負面情緒感知影響因素研究
知問卷，使用機器學習算法對數(shù)據(jù)進行建模和調(diào)優(yōu)，利用SHAP、累積局部效應圖等方法進行數(shù)據(jù)可視化分析，并結(jié)合現(xiàn)實層面意義對結(jié)果進行解釋. 研究顯示：（1）“自然災難事后失聯(lián)”“自然災難事后救援不力”和“自然災難事后支持不足”最讓公眾關(guān)注.（2）工作年限、年齡、職業(yè)和教育背景是事前視角下自然災難負面情緒感知的重要人文影響因素.（3）職業(yè)壓力與事前視角下公眾的自然災難負面情緒感知存在正相關(guān).（4）未成年人、無業(yè)人員、職場新人、留守兒童、寡居老人和擁有較高工作壓力
四川大學學報(自然科學版) 2024年2期2024-06-01
- 人工智能在工業(yè)自動化系統(tǒng)中的應用
過深度學習、機器學習等技術(shù)，人工智能不僅提高生產(chǎn)效率，還優(yōu)化設備維護和管理。在生產(chǎn)線上，人工智能可以實時監(jiān)測設備狀態(tài)，預測潛在故障，并及時進行維護，從而避免生產(chǎn)中斷。此外，人工智能還能優(yōu)化生產(chǎn)流程，提高產(chǎn)品質(zhì)量。通過分析生產(chǎn)數(shù)據(jù)，人工智能可以找出生產(chǎn)過程中的“瓶頸”，提出改進建議。總的來說，人工智能在工業(yè)自動化系統(tǒng)中的應用不僅提高生產(chǎn)效率和產(chǎn)品質(zhì)量，還降低維護成本，為工業(yè)發(fā)展注入新的活力。關(guān)鍵詞：人工智能；工業(yè)自動化；深度學習；機器學習；生產(chǎn)流程中圖分類號
科技創(chuàng)新與應用 2024年15期2024-05-30
- 基于機器學習的公路橋梁裂縫檢測技術(shù)分析
檢測和評估。機器學習為橋梁裂縫檢測提供了一種新的解決方案，文章聚焦于機器學習在橋梁裂縫檢測中的應用，分別分析了VGGNet、AlexNet和ResNet三種深度學習模型在圖像分類方面的應用，以及FasterRCNN、YOLOv3和YOLOv4三種模型在目標檢測方面的性能。研究結(jié)果表明，VGG16精確度表現(xiàn)出色，YOLOv4則能夠在維持高速度檢測的同時提升檢測精確性。關(guān)鍵詞 機器學習；公路橋梁；裂縫檢測技術(shù)中圖分類號 U446文獻標識碼 A文章編號 2096
交通科技與管理 2024年9期2024-05-29
- 基于不同模型的安徽大別山區(qū)滑坡易發(fā)性評價對比分析
鍵詞：滑坡；機器學習；安徽大別山區(qū)中圖分類號：P642.22文獻標志碼： A文章編號：1001-2443（2024）02-0152-09近年來，地質(zhì)災害在中國多地頻繁發(fā)生。其隱蔽性、突發(fā)性和破壞性的特點，威脅著受災地區(qū)人民的生命財產(chǎn)安全［1-2］。隨著極端天氣氣候事件發(fā)生的不確定性因素增加，可能導致的強降雨事件增多，加之大規(guī)模基礎設施建設對地質(zhì)環(huán)境影響劇烈，我國的地質(zhì)災害治理工作仍面臨嚴峻挑戰(zhàn)。滑坡在地質(zhì)災害中占比較多，滑坡易發(fā)性是指地表或者坡面土層在自然
安徽師范大學學報(自然科學版) 2024年2期2024-05-29
- 基于無人機多光譜影像與機器學習算法的棉花冠層葉綠素含量估算研究
】利用RFR機器學習方法構(gòu)建的基于無人機多光譜影像的棉花冠層葉片葉綠素含量估算模型可及時、準確地判斷棉花的生長狀況，為棉田精準管理提供技術(shù)支撐。關(guān)鍵詞：無人機；多光譜；葉綠素含量；機器學習；遙感反演；棉花Estimation of chlorophyll content in cotton canopy using UAV multispectral imagery and machine learning algorithmsAbstract： [Obj
棉花學報 2024年1期2024-05-29
- 基于模式識別的股票價格預測研究
學、統(tǒng)計學和機器學習領(lǐng)域受到了廣泛的關(guān)注。為了避免人判斷的主觀性，因此采用一種與雙底形態(tài)的目標模板進行對比的方法，把一維的股價時間序列變換成二維的圖形與目標模板進行對比，對比后相似度高的時間片段能作為未來市場價格上漲的信號。實驗結(jié)果表明，此方法能夠產(chǎn)生正收益，且對股票的未來漲跌具有一定的預測能力。關(guān)鍵詞：模式識別；股票價格預測；機器學習；人工神經(jīng)網(wǎng)絡中圖分類號：F830.592? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2024
經(jīng)濟研究導刊 2024年8期2024-05-29
- 基于機器學習的多場景行為監(jiān)測方法研究
率，關(guān)鍵詞：機器學習；計算機視覺；YOLOv5s一、引言本文以室內(nèi)場景下也可以作為一種新型的人機交互來執(zhí)行智能醫(yī)療監(jiān)控諸如智慧家居或者老年人跌倒檢測，或者可以通過識別人類行為來應用于交互式體感游戲等。而隨著深度學習的興起和廣泛應用，人類行為檢測的實時性和準確性也都有了大幅度的提高。大多數(shù)傳統(tǒng)的人類行為檢測系統(tǒng)使用佩戴式傳感器進行檢測和識別。盡管隨著技術(shù)的發(fā)展，傳感器的尺寸變得更小，數(shù)據(jù)收集變得更有效，但基于傳感器的檢測系統(tǒng)仍然面臨著部署的限制。特別是隨著傳
客聯(lián) 2024年2期2024-05-29
- 面向神經(jīng)網(wǎng)絡的智能分類在垃圾處理系統(tǒng)中的設計與應用
注意力機制；機器學習；垃圾分類一、智能分類處理的研究背景2018年初，國家住房和城鄉(xiāng)建設部印發(fā)《關(guān)于加快推進部分重點城市生活垃圾分類工作的通知》要求加快推進46個重點城市生活垃圾分類工作，2019年起在全國地級及以上城市全面啟動生活垃圾分類。各個城市推進垃圾分類工作的過程中，遇到了諸多問題，諸如，生活垃圾的分類標準比較繁雜、各城市的垃圾分類標準不統(tǒng)一、人們不能準確判斷垃圾類別、居民沒有養(yǎng)成分類投放的習慣等。針對上述問題，各個城市采取了不同的方案，例如采用媒
客聯(lián) 2024年2期2024-05-29
- 基于特征向量信息支持向量機的RC框架易損性曲線預測
算效率不高。機器學習方法已被證明能較好地解決這一問題，但當訓練數(shù)據(jù)的規(guī)模較大時，由于訓練過程涉及求解大規(guī)模逆矩陣致使計算效率依然低下。為此，本文提出了一種特征向量信息支持向量機（EILS-SVM）的新方法克服此類方法的不足。在大規(guī)模數(shù)據(jù)集下，EILS-SVM能夠篩選小規(guī)模子樣本建立低秩核矩陣。這使得其訓練過程只需求解小規(guī)模低秩矩陣的逆矩陣，進而極大提高計算效率。為了驗證EILS-SVM的準確性和高效性，基于16500個鋼筋混凝土（RC）框架在地震作用下的破
地震研究 2024年3期2024-05-29
- 可逆固體氧化物電池電極材料的研究進展
方法改進以及機器學習等策略來優(yōu)化電極性能。同時，指出了燃料電極在不同運行模式下面臨的挑戰(zhàn)，如結(jié)構(gòu)劣化和碳沉積等，為高效、穩(wěn)定的可逆固體氧化物電池發(fā)展提供了新視角和方法。關(guān)鍵詞：固體氧化物電池；可逆；電極；機器學習中圖分類號：? TQ116.2；TM911.4；TB34? 文獻標志碼：?? A0? 引言隨著經(jīng)濟社會的發(fā)展，全球?qū)δ茉吹男枨笱杆僭鲩L。然而，主要依賴化石能源的傳統(tǒng)能源體系在消耗過程中產(chǎn)生了大量CO2，導致環(huán)境中CO2濃度持續(xù)上升，進而加劇了溫室氣
新能源科技 2024年2期2024-05-27
- 跨站腳本攻擊檢測與防御技術(shù)綜述
討分析了基于機器學習從數(shù)據(jù)中學習攻擊特征、預測攻擊的方法，以及基于強化學習識別或生成對抗樣本策略來優(yōu)化檢測模型的方法；其次，闡述了非對抗攻擊防御基于規(guī)則過濾XSS攻擊、基于移動目標防御（MTD）隨機性降低攻擊成功率和基于隔離沙箱防止XSS攻擊傳播的方法；最后，分別從樣本特征、模型特點和CSP的局限性、上傳功能的廣泛性等方面提出了XSS攻擊檢測和防御未來需要考慮的問題并作出展望。關(guān)鍵詞：XSS攻擊；機器學習；非對抗攻擊檢測；對抗攻擊檢測；非對抗攻擊防御中圖分
計算機應用研究 2024年3期2024-05-24
- 無人機遙感監(jiān)測果樹氮素含量研究進展
更佳，且使用機器學習方法構(gòu)建模型相較于傳統(tǒng)方法具有更高精度。提出無人機遙感監(jiān)測果樹氮素含量在無人機飛行平臺與傳感器性能、數(shù)據(jù)獲取與處理、推廣與應用及政策4個方面現(xiàn)階段存在的不足之處和未來精準化、高效化和智能化的發(fā)展方向。關(guān)鍵詞：無人機；遙感；果樹；氮素含量；機器學習中圖分類號：S252文獻標識碼：A文章編號：20955553 （2024） 02023509收稿日期：2022年7月11日 ?修回日期：2022年9月15日基金項目：國家梨產(chǎn)業(yè)技術(shù)體系（CARS
中國農(nóng)機化學報 2024年2期2024-05-22
- 基于機器學習的瀝青路面壓實度質(zhì)量評估
準確率，基于機器學習對瀝青路面進行壓實度質(zhì)量評估；通過對比實際工程中不同壓路機在瀝青路面上的振動規(guī)律，構(gòu)建振動壓路機-瀝青路面系統(tǒng)動力學模型，利用Simulink數(shù)值仿真軟件對所構(gòu)建的模型進行仿真，設計8種工況，對比壓實度計值、 壓實度控制值、 機械驅(qū)動功率、滾輪綜合剛度、 填筑體能量、 單位體積壓實功率6個壓實度質(zhì)量評估指標在各工況下的適用性差異；采用支持向量機、 邏輯回歸、 k最近鄰、 決策樹、 樸素貝葉斯法5種傳統(tǒng)的機器學習方法對各工況下的壓實度質(zhì)量
濟南大學學報(自然科學版) 2024年3期2024-05-21
- 以科研能力為導向的“機器學習”教學改革
力培養(yǎng)融入“機器學習”課程教學的問題，提出從教學內(nèi)容、教學方法、過程考核等三方面進行改革。基于模型目標函數(shù)優(yōu)化、模型適用場景分析兩條主線，給出了教學內(nèi)容改革的具體方法。以學術(shù)論文寫作思路為引導，給出了創(chuàng)新教學方法和考核的具體思路。改革有利于促進學生掌握科學研究的思維方法，提升學生的知識應用能力。關(guān)鍵詞：科研能力；機器學習；教學改革人工智能學科自1956年確立以來，機器學習在人工智能發(fā)展的第三時期“學習期”得到了重大發(fā)展［1］。機器學習主要是研究如何利用數(shù)據(jù)
科技風 2024年9期2024-05-19
- 基于機器學習的本科學生成績預測與分層教學方法研究
方向，如何將機器學習模型有效地與實際教育工作結(jié)合，以發(fā)揮其在教育場景下的實際價值成為一個重要問題。研究通過機器學習模型預測本科學生的學習成績，并根據(jù)預測結(jié)果對學生進行多層次劃分，進而實施分層教學，以便教育工作者調(diào)整課程內(nèi)容和教學策略，為學生提供個性化指導。該方法不僅為傳統(tǒng)教學方法注入了新的活力，還有助于提高學生的學習成績和學習興趣。關(guān)鍵詞：機器學習；隨機森林；成績預測；分層教學法；教學服務中圖分類號：G642? ? ? 文獻標識碼：A文章編號：1009-3
電腦知識與技術(shù) 2024年7期2024-05-19
- 一種區(qū)域降水預測的時空集成模型
；時空預測；機器學習；集成模型；時空相關(guān)性中圖分類號：TP 391.42;R 742.5??? 文獻標志碼：A??? 文章編號：1001-988Ⅹ（2024）03-0105-10A spatiotemporal integrated model forregional precipitation predictionMA Yu-hong1，2，XUE Sheng-qian1，WANG Xiao-xiao1，LU Jin-ye1（1.College of M
西北師范大學學報(自然科學版) 2024年3期2024-05-15
- 基于K-means算法的某高校各二級單位報銷聚類分析統(tǒng)計研究
；執(zhí)行進度；機器學習一、前言近年來，隨著高等教育事業(yè)的蓬勃發(fā)展，高校各項經(jīng)費穩(wěn)步增長，配套的經(jīng)費使用管理制度也在不斷更新和完善，師生們在進行財務報銷時發(fā)生問題的數(shù)量也隨著報銷頻率的升高而不斷增加[1]。與此同時，對于許多高校管理者而言，如何及時有效地對二級單位的報銷情況進行考評并督促二級單位不斷改進完善成為擺在高校管理者面前的一個難題。考評方法選擇不當也會使各個二級單位產(chǎn)生不解與質(zhì)疑。預約單量、問題單率以及經(jīng)費執(zhí)行進度作為重要的財務指標，可以很大程度上反映
信息系統(tǒng)工程 2024年4期2024-05-13
- 基于機器學習在股票預測中的應用
歸納目前基于機器學習的股票預測研究現(xiàn)狀，分別從單一模型、改進模型和組合模型分類介紹研究情況，總結(jié)不同類別下預測模型的優(yōu)缺點。介紹各種用于股票預測的預測模型，以及不同模型的實際應用和研究現(xiàn)狀，并總結(jié)這些模型的應用特點。最后使用ARIMA模型對科大訊飛股票預測開盤價走勢，使用VAR模型預測先進數(shù)通的股票開盤價、收盤價、最高價和最低價。關(guān)鍵詞：股票預測；機器學習；ARIMA模型；VAR模型；時間序列一、前言從股票市場出現(xiàn)到發(fā)展至今已有四百多年歷史，股票能夠在股票
信息系統(tǒng)工程 2024年4期2024-05-13
- 基于術(shù)前MRI圖像構(gòu)建影像組學與深度學習的機器學習模型預測膠質(zhì)瘤IDH1基因表達的研究
（RF）三種機器學習模型分別建模。使用受試者工作特征（ROC）曲線評價各模型的預測效能。結(jié)果基于影像組學特征的機器學習模型SVM、KNN以及RF的曲線下面積（AUC）分別為0.699、0.628、0.616。基于深度遷移學習特征的機器學習模型SVM、KNN以及RF的AUC分別為0.853、0.753、0.807。基于融合特征的機器學習模型SVM、KNN以及RF的AUC分別為0.868、0.818、0.787。結(jié)論基于常規(guī)MRI序列中的T2WI抑脂序列的SV
臨床神經(jīng)外科雜志 2024年2期2024-05-11
- 施工現(xiàn)場安全智能化管控應用研究
；人工智能；機器學習；建筑安全中圖分類號：TU71? ? ? ?文獻標志碼：A? ? ? ? ? 文章編號：2095-2945（2024）13-0179-04Abstract： In order to prevent the occurrence of construction safety accidents in the construction industry， reduce the loss of life and property and ne
科技創(chuàng)新與應用 2024年13期2024-05-06
- 一種基于人工智能的網(wǎng)絡安全智能化運維技術(shù)解決方案
；人工智能；機器學習中圖分類號：TP3 文獻標識碼：A文章編號：1009-3044（2024）05-0074-031 簡介當前，網(wǎng)絡應用范圍不斷擴大，網(wǎng)絡安全問題也日益突出。傳統(tǒng)的網(wǎng)絡安全運維技術(shù)開始面臨較大局限性，惡意軟件越來越能夠適應線性的傳統(tǒng)安全解決方案，網(wǎng)絡安全需要一種更為智能的威脅檢測、應對及解決方法。網(wǎng)絡安全專家也一直致力于研究人工智能技術(shù)在網(wǎng)絡安全智能化運維中的應用。隨著云計算、大數(shù)據(jù)和人工智能技術(shù)的應用，以機器學習為代表的人工智能，可以極大
電腦知識與技術(shù) 2024年6期2024-05-03
- 基于機器學習的高職院校網(wǎng)絡安全部署設計
析，提出基于機器學習的高職院校網(wǎng)絡安全部署設計思路，變被動防護為主動防御，以保障校園網(wǎng)絡的安全。關(guān)鍵詞：機器學習；網(wǎng)絡安全；部署設計中圖分類號：TP18 文獻標識碼：A文章編號：1009-3044（2024）05-0092-03隨著互聯(lián)網(wǎng)的普及與發(fā)展，高校的信息化、數(shù)字化建設也在加快進行，高校校園網(wǎng)作為信息化與數(shù)字化校園的重要基礎設施，為學校的教育教學提供著良好的保障。目前的校園網(wǎng)絡已經(jīng)遍及學校的各個部門，成為整個校園的基礎設備，學校對于網(wǎng)絡的可管理性與安
電腦知識與技術(shù) 2024年5期2024-05-02
- 機器學習預測腦卒中病人日常生活活動能力的研究進展
w摘要??對機器學習的應用基礎、機器學習預測康復期及恢復期腦卒中病人生活活動能力、機器學習預測腦卒中病人日常生活活動能力中的應用局限性進行綜述，旨在為推動腦卒中病人肢體功能康復的信息化管理提供參考。關(guān)鍵詞??腦卒中；機器學習；日常生活活動能力；信息化管理；綜述doi：10.12102/j.issn.1009-6493.2024.08.017腦卒中是一種急性腦血管疾病，由于腦血管病變引起腦功能障礙，是全球致死、致殘的首要原因。我國腦卒中篩查數(shù)據(jù)顯示，城市和農(nóng)
護理研究 2024年8期2024-04-30
- 基于超聲圖像評估甲狀腺和乳腺病變的通用計算方法
征，輸入4種機器學習模型，完成甲狀腺、乳腺結(jié)節(jié)良惡二分類和四分類。將方法應用于來自不同平臺的甲狀腺和乳腺超聲圖像，隨機排列交叉驗證二分類AUC達到0.88～0.99，準確率ACC達到0.84～0.98，均優(yōu)于已有研究結(jié)果；四分類AUC達到0.95～0.97，ACC達到0.88～0.92，優(yōu)于深度殘差網(wǎng)絡ResNet50。基于甲狀腺（乳腺）圖像訓練的四種模型在交叉識別乳腺（甲狀腺）良惡結(jié)節(jié)方面也取得了理想的分類結(jié)果，進一步驗證了所提方法的穩(wěn)定性和通用性。同時
燕山大學學報 2024年1期2024-04-29
- 機器學習在電力設備故障檢測中的實踐應用
閭林秀摘要：機器學習在電力設備故障檢測中的實踐應用已經(jīng)取得了顯著的成果。通過使用機器學習算法，可以對電力設備的運行數(shù)據(jù)進行分析和處理，從而實現(xiàn)故障的早期檢測和預測。這種方法可以幫助電力公司提高設備的可靠性和安全性，減少故障停電時間，提高供電質(zhì)量。具體應用包括基于機器學習的故障診斷、故障預測和設備狀態(tài)監(jiān)測等。通過對大量歷史數(shù)據(jù)的學習，機器學習模型可以識別出設備故障的模式和特征，從而實現(xiàn)準確的故障檢測和預測。關(guān)鍵詞：機器學習；電力設備；無人機；實踐應用一、前言
信息系統(tǒng)工程 2024年2期2024-04-29
- 基于問題導向的機器學習課程教學探索
和生活方式。機器學習作為人工智能的核心技術(shù)，在很多高校已經(jīng)被列為必修課程，且很多專業(yè)（如：計算機科學與技術(shù)、數(shù)學、生物醫(yī)學工程）的本科生和研究生都涉及該課程。針對傳統(tǒng)授課方式在機器學習教學過程中處于主導地位，因為無法調(diào)動學生的自主性和積極性，使得學生處理問題能力較差和創(chuàng)新意識不強，導致高校培養(yǎng)人才的效果不佳。為此，根據(jù)機器學習課程知識的結(jié)構(gòu)特點，提出了基于問題導向的機器學習課程教學方案。通過將問題導向融合到機器學習課程的教學方式，促進學生主動學習和勤于思考
電腦知識與技術(shù) 2024年4期2024-04-28
- 基于機器學習算法的上市企業(yè)內(nèi)部控制缺陷預測研究
營風險。基于機器學習算法構(gòu)建的預測模型能夠?qū)ζ髽I(yè)的內(nèi)部控制缺陷進行有效預測， 有助于企業(yè)對潛在風險進行預警。實證研究表明： 與判別分析、 邏輯回歸、 支持向量機、 決策樹等利用機器學習算法預測企業(yè)內(nèi)部控制缺陷的模型相比， 隨機森林模型在預測的準確率、 精準率、 召回率、 F1-score和AUC值方面綜合表現(xiàn)更好。在使用隨機森林模型預測企業(yè)內(nèi)部控制缺陷的過程中， 審計費用、 機構(gòu)投資者持股比例和總資產(chǎn)增長率等特征變量起到了重要預測作用。進一步采用SHAP方
財會月刊·上半月 2024年4期2024-04-26
- 基于探究社區(qū)理論的教學反饋實踐探索
摘 要］在《機器學習》課程引入了基于探究社區(qū)理論的混合教學，通過七周教學實驗數(shù)據(jù)分析，結(jié)果表明：基于探究社區(qū)理論的混合教學中高活躍度社區(qū)所產(chǎn)生的交流信息，對低活躍度社區(qū)學業(yè)成績存在明顯的提高作用；教師教學提升效果與不同社區(qū)之間學習交流信息差有關(guān)，信息差越大，效果提升越顯著；該教學方式對于促進學生學習的主動性、共同協(xié)作解決問題的能力、批判性思維的培養(yǎng)等方面都有一定的積極促進作用。［關(guān)鍵詞］探究社區(qū)理論；混合學習；機器學習；教學實踐［中圖分類號］ G77［文獻
陜西開放大學學報 2024年1期2024-04-26
- 數(shù)學方法在新聞數(shù)據(jù)分析中的應用及實踐研究
景，深入分析機器學習、網(wǎng)絡分析和自然語言處理等數(shù)學方法在新聞內(nèi)容分類、趨勢預測、文本挖掘和情感分析等方面的應用。通過理論研究和文獻綜述，文章著重展示這些方法在提高新聞報道準確性和深度方面的潛力，并探討它們在新聞行業(yè)中的實際應用及存在的挑戰(zhàn)。研究采用理論分析與實踐探索相結(jié)合的方法，通過具體的教學案例和技術(shù)實踐，分析將數(shù)學方法融入新聞教育課程的策略和效果。與此同時，文章對在新聞教育中融入機器學習與網(wǎng)絡分析的策略、自然語言處理技術(shù)的教學實踐，以及這些方法在培養(yǎng)學
新聞研究導刊 2024年6期2024-04-25