关键词： 电力变压器   故障诊断   油色谱分析   人工智能   状态监测  

摘要： 变压器作为电力系统的核心设备,其运行状态直接关乎电网的稳定性和供电安全。由于长期运行、环境因素及负荷变化的影响,变压器故障难以避免,而精准、实时的故障诊断对于保障电力系统的可靠性至关重要。传统的诊断方法,如油色谱分析、电气试验和局部放电检测,在准确性和适应性方面存在一定的局限性。随着人工智能、大数据、数字孪生等技术的不断发展,智能诊断方法正逐渐应用于变压器状态监测中。本文深入分析了变压器故障机理以及传统诊断方法的不足之处,探讨了当前诊断所面临的现实挑战,并提出了基于深度学习、多模态数据融合、迁移学习和边缘计算的智能优化路径。研究结果表明,多维度智能诊断技术能够显著提升故障检测的精准度和实时性,为电力系统的安全稳定运行提供更加高效的解决方案。

关键词： 人工智能   碳排放效率   绿色创新   准自然试验   因果效应  

摘要： 人工智能在推动碳达峰、碳中和目标实现及应对气候变化方面发挥着重要作用。基于2012～2022年中国城市面板数据，将国家新一代人工智能创新发展试验区视为人工智能的“准自然试验”。首先，采用倾向得分匹配双重差分模型、平行趋势检验及交互权重估计方法，识别人工智能对碳排放效率的因果效应。其次，分析人工智能影响碳排放效率的作用机制，并探讨其异质性影响。结果表明，人工智能显著提高了碳排放效率，该结论在一系列稳健性检验后依旧成立。人工智能通过提升能源利用效率和推动绿色创新，进而提高碳排放效率。人工智能对碳排放效率的影响因资源禀赋和区位的不同而不同，在非资源型城市及东部和西部地区的正向影响更为显著。研究结论为中国实现“双碳”目标及可持续发展提供了政策启示。

关键词： 正向反应预测   多层级特征融合   SMILES编码   人工智能   机器学习   Transformer  

摘要： 有机化学的正向反应预测作为人工智能的一个重要应用，一直受到研究者的关注。简化分子线性输入规范(SMILES)提供了一种使化学分子线性化编码的方法。因此，可以将正向反应预测任务转换为机器翻译中序列到序列的生成任务。传统的Transformer模型只关注化学式中原子间的注意力权重，而忽略分子内的全局信息，此外，传统的Transformer模型面对同一个分子的不同表示的时候，存在着预测性能下降、泛化能力不强的问题。为了解决上述的问题，提出了一种基于双编码器的多层级有机化学的反应预测方法。首先，通过使用两个编码器分别处理分子层级和原子层级的信息，使得模型专注于各自层面的特征提取。其次，提出分子特征表示算法，对原子嵌入取平均获得分子间的相互作用。最后，利用自动调节的门控单元对原子编码器和分子编码器的输出结果进行多层级特征融合，融合结果输入到解码器。实验结果表明，提出的方法在三个USPTO数据集上获得比基线更好的结果，并且提高了模型的泛化能力和长序列的处理能力。

关键词： 人工智能   配电网   故障诊断   机器学习   智能决策  

摘要： 随着智能电网技术的发展,配电网自动化故障诊断与处理成为提高供电可靠性和效率的重要方向。本文基于人工智能技术,研究了配网自动化故障诊断与处理方法。首先,构建了配电网故障诊断模型,并结合机器学习算法(如支持向量机、神经网络等)对故障特征进行分析与识别。接着,提出了一种智能决策算法,能够根据故障类型和位置自动制定处理策略,实现快速恢复供电。研究结果表明,该方法能够有效提升故障诊断的准确性和处理速度,为配网自动化技术的应用与发展提供了重要的技术支持。

关键词： 社会认知   人工智能   人工智能素养   高等教育   教学策略  

摘要： 本研究旨在探究中外合办大学情景下性别与社会支持对大学生使用人工智能的影响。基于社会认知理论，本研究采用量化研究方法，以西交利物浦大学2 062位大一新生的问卷数据为样本展开实证分析。研究发现，1）大学生年龄对人工智能认知的影响不显著；2）女性学生比男性更认可人工智能与日常生活的相关性；3）自信使用AI的学生更可能认为学习AI能带来更好的就业机会；4）家人和朋友的支持显著影响学生对AI助力完成任务的认可度；5）学生对AI的认知和理解越多，越关注道德和法律标准问题。与现有研究相比，本研究发现了性别与社会支持在人工智能时代高等教育中的非对称规律，扩展了社会认知理论的应用边界，为差异化教学策略提供了依据。

关键词： 人工智能   贝叶斯深度学习   变分推理   概率建模   机动策略识别   梯度平衡因子  

摘要： 增强对敌方作战飞机机动策略识别能力是提升我方空战决策能力的关键因素之一．针对传统深度学习模型在复杂多变的作战环境中常表现出过度自信，且难以进行不确定性评估，提出一种基于贝叶斯深度学习的作战飞机机动策略识别方法，该方法使用贝叶斯变分推理和多元高斯分布构建基于多层感知机的贝叶斯深度学习（multi-layer perceptron-based Bayesian deep learning, BDL-MLP）概率化模型，并引入梯度平衡因子以减少复杂性代价梯度和似然代价梯度不平衡的影响，再通过贝叶斯反向传播算法进行模型训练和参数优化．基于团队在Unity3D软件研发的虚拟空战仿真平台AirFlightSim，采用BDL-MLP、多层感知机（multilayer perceptron, MLP）、AlexNet和LeNet模型对不同模糊程度的作战飞机运动场景数据集进行分类评估．结果表明，BDL-MLP模型在由不同模糊半径构建的5个数据集上进行机动策略识别的准确率较MLP、AlexNet和LeNet模型平均提升了0.43%、0.99%、1.19%、1.98%和2.36%，且在鲁棒性及复杂数据的特征提取能力方面均表现最优，能够量化不确定性．基于贝叶斯深度学习的作战飞机机动策略识别方法可为军事智能辅助作战系统的研发提供有价值的参考．

关键词： 新质生产力   全民健身   高质量发展   应用场景   人工智能  

摘要： 新质生产力作为符合新发展理念的先进生产力质态,为全民健身的高质量发展提供了重要的理论引导与实践遵循。为充分激发新质生产力对全民健身的赋能效益,围绕其理论内涵、技术基座、应用场景及实践进路展开剖析。认为,新质生产力赋能的全民健身兼具“新”与“质”的深刻内涵,并呈现出高科技、高效能、高质量的主要特征;新质生产力赋能全民健身的技术基座包括5.5G、云计算、大数据、物联网、区块链及元宇宙等关键技术,并延伸出具体的应用场景,可从宏观公共治理、中观活动组织、微观个人参与三个维度予以考察。提出,应以新发展理念为航向指引、以科技创新转化为智慧赋能、以基础设施建设夯实基础、以新型体育人才供给为支撑的实践进路,以助力体育强国建设。

关键词： 生成式人工智能   行政法规制   比例原则   社会性风险  

摘要： 在第四次工业革命的浪潮中，生成式人工智能技术凭借人工神经网络与深度学习理论取得重大突破，但同样存在着隐私层面、算法歧视层面以及法律模糊等风险。在对国内外生成式人工智能的行政法规制发展现状进行研究的基础上，利用文献分析法、案例分析法和比较分析法来对目前存在的风险进行梳理和分析，通过健全相应的法治体系、建立完善的监督机制以及对比例原则引入，可实现对生成式人工智能风险的控制。

关键词： 人工智能   软件测试自动化   自动化测试  

摘要： 软件开发的关键环节之一为软件自动化测试,这一环节可以提高软件的测试效率,发现软件存在的早期缺陷,也能够帮助软件的持续集成和持续部署。随着人工智能技术的不断发展与升级,软件测试自动化开始将人工智能技术融入其中。文章探讨了人工智能技术在软件测试自动化中的具体应用方向,如测试用例生成、软件缺陷定位修复、自动化测试结果分析、辅助优化测试过程。并分析应用实践的具体算法,如机器学习算法、深度学习算法等。以提供更加优化的测试结果,提高测试效率。

关键词： ChatGPT   生成式人工智能   意识形态   风险防范  

摘要： 作为科技革命的重要引擎,ChatGPT类生成式人工智能在驱动未来社会发展的同时,其大数据系统、智能算法和大规模算力的潜在价值偏差成为可能引发意识形态风险的主要诱因。在数智技术应用拓展的进程中,由于交互场域拟像化、数字关系异化、生成内容风险与“把关人”失效等问题,或将引发主流意识形态认同消弭、辨识力削弱、权威淡化、管理弱化等多重风险样态。面对生成式人工智能技术应用所衍生的意识形态风险,应以主流价值、法治规范和伦理治理机制驾驭引领其健康有序发展,整合数智时代正向思想的主体力量,提升在智能生态与人类社会间实现智慧共享和协同发展的可能性。这聚焦于智能技术进化与意识形态治理现代化互促共生辩证关系,促使其成为深刻把握人的本质属性、实现全方位进化的关键助力与重要延伸。