服装个性化定制中信息技术的应用与展望

随着人们个性化需求的不断增加,服装个性化定制已成为时尚发展趋势之一。信息技术在推动服装个性化定制发展中扮演着重要的角色,可以收集和处理用户的个性化信息,并将其转化为具体的设计和生产方案。文章首先对服装产业信息技术的研究进展进行总结,阐述新一代信息技术在服装产业的应用情况;其次分析了信息技术在服装个性化定制领域的应用现状,按照定制流程分别总结信息技术在提高生产效率、降低成本和满足用户需求方面的优势及不足;最后根据目前服装个性化定制在数据共享、协同设计和柔性生产等方面的需求,从建模技术和系统平台构建两个方面对服装个性化定制发展进行展望。

基于元学习个性化推荐研究综述

推荐系统作为缓解“信息过载”的工具,为用户过滤冗余信息并提供个性化服务,近年来得到了广泛应用。然而,实际推荐场景中,通常存在冷启动与不同推荐算法难以根据实际环境自适应选择等问题。元学习因其具有基于少量训练样本快速学会新知识和技能的优点,被越来越多地应用于推荐系统相关研究中。对现有基于元学习技术缓解推荐系统冷启动问题以及自适应推荐问题的主要研究进行探讨。首先,分析了基于元学习推荐在上述2个方面已取得的相关研究进展;然后,指出了现有元学习推荐研究存在难以适应复杂任务分布、计算代价高和容易陷入局部最优等问题;最后,对元学习在推荐系统领域的一些最新研究方向进行了展望。

个性化康复治疗综合干预对乳腺癌放疗患者的影响

目的:探讨个性化康复治疗综合干预对乳腺癌放疗患者的影响。方法:将2021年6月1日~2023年6月30日接受乳腺癌根治术后放疗的194例女性患者随机分为对照组和观察组各97例,对照组采用常规护理,观察组采用个性化康复治疗综合干预措施。比较两组干预效果。结果:干预后,观察组肩关节、肘关节及WHO生命质量评分均高于对照组(P<0.01);干预后,观察组心理困扰温度计(DT)评分、匹兹堡睡眠质量指数量表(PSQI)评分低于对照组(P<0.01);观察组康复优良率高于对照组(P<0.05)。结论:个性化康复治疗综合干预对乳腺癌放疗患者心理健康、术后康复及预后具有积极影响,可改善肩关节、肘关节及睡眠质量评分,减轻患者心理困扰,提高术后优良率。

个性化推荐算法的法律风险规制

信息爆发增长催生了个性化推荐算法技术的兴起。个性化推荐算法在解决信息过载和长尾问题、满足用户个性化需求、提高互联网信息服务效率的同时,也引发了用户意思自治受限、隐私泄露、信息茧房、算法歧视等诸多法律风险,亟需法律作出必要的回应。为此,应当在诚信原则、自主原则、公正原则、比例原则的指导下,树立开放的隐私保护观,强化算法告知义务与用户拒绝权利,完善算法解释权,构建算法审计制度,以降低个性化推荐算法所带来的法律风险。

下一代个性化学习:生成式人工智能增强智能辅导系统

长期以来,教育技术领域的研究者致力于利用计算机开展个性化自适应教学。智能辅导系统作为这一领域的核心,其目标是通过计算机技术提供个性化学习体验和支持。近年来,生成式人工智能,尤其是大语言模型的发展,为智能辅导系统带来了突破性机遇,为个性化学习开辟了新的路径。本文回顾了研究者为实现个性化学习所作的努力及其成果和局限,探讨了大语言模型在个性化学习中的潜力和影响,介绍了“苏格拉底游乐园”——一个基于对话的智能辅导系统,如何利用大语言模型实施苏格拉底式教学,揭示了生成式人工智能如何革新个性化学习方式。针对大语言模型的潜在误用,文章提出了相应的建议,并构建了框架,旨在引导研发者在生成式人工智能和大语言模型范式下开发高效的智能教育应用。

大规模个性化定制的价值涌现原理——价值共创的新形态

依托生产模式的三维结构框架,从复杂性视角,针对手工生产、大规模生产、大规模定制、大规模个性化和大规模个性化定制等主要生产模式,分析其中从价值交易到价值共创再到价值涌现的价值生成演化历程,提炼出客户维、生产维和服务维3个维度下的价值生成路径。基于局部作用导致整体涌现的系统科学观念,揭示出大规模个性化定制的价值涌现原理,明确了该原理的基本内涵。人单合一是大规模个性化定制的一种具体实现,其价值创造规律遵从价值涌现原理。生态价值是人单合一价值创造的源泉,海尔的超模块平台组织结构可实现人单合一中的价值涌现。大规模个性化定制的价值生成过程具有涌现性特征,它以价值涌现的方式表现出来,是价值共创的一种新形态。

网约车平台算法个性化定价、乘客履约率及其监管对策

网约车平台算法个性化定价产生了复杂的市场影响,相比传统出租车服务,网约车乘客违约率达30%左右,因此算法个性化定价对乘客违约率的影响机制以及乘客是否履约的关键特征值得探索。文中尝试运用矩形Hotelling模型建立算法个性化定价与乘客违约率的因果关联机制,以两个网约车平台之间的Stackelberg博弈模型揭示歧视性定价、乘客违约率与平台之间竞争强度的关系。进一步运用网约车平台订单大数据,以Bhattacharyya距离、提升决策树及改进拉斯维加斯方法(包裹法)等归纳学习工具对网约车平台百万量级订单进行数据挖掘,找出决定乘客是否履约的关键特征。分析结果表明,平台进行个性化定价时乘客的最终消费选择主要取决于价格因素;而改进车辆匹配、派单策略及减少乘客候车时间可显著提高订单履约率。研究结果对网约车平台完善定价及运营策略以维持双边市场用户数量、保证平台持续成功运营具有重要参考价值,也为反垄断部门干预平台个性化定价提供了理论依据。

迈向信任的算法个性化推荐——“一键关闭”的法律反思

个性化推荐主要面临威胁人类主体自主性、“信息茧房”与“回音室”效应、大数据“杀熟”方面的质疑。“一键关闭”功能因能够实现隐私个人控制、促进信息自由流通和预防价格歧视而被推崇。然而,用户往往缺少隐私自治能力,个性化推荐造成群体极化之前首先具有议程凝聚、促进交往的价值,以关闭个性化推荐来解决价格歧视存在目标和手段的错位。“一键关闭”不仅难以符合规制预期,其自身还存在可操作度低和所承载公共价值模糊的弊端。个性化推荐的治理应以算法向善为方向,通过打造以信任为中心的透明可解释、用户交互友好的算法推荐,发挥个性化推荐的公共价值,增进社会福利。

以创意思维为核心且个性化培养的地方高校建筑设计课程教学改革

长期以来,我国地方高校建筑学专业偏重于应用型的人才培养模式,在某种程度上忽视了设计创意思维的着重培养和个性化的因人施教。随着建筑设计行业竞争加剧,对建筑学专业人才能力的重点需求转向了创意思维。而行业以团队的运作方式,必然也需求具备其他优势能力的专业人才。为适应行业的需求变化,借鉴心理学中的成功智力学理论,广州大学建筑学专业在建筑设计系列课程教学中,关联整合了不同能力的培养:围绕建筑设计创意思维能力,打通其与分析能力、实践能力之间的关系。同时,有针对性地按照学生个性特质强化培养,并在团队合作整合各人优势能力的过程中,让学生意识到个性化的价值。

人机协同的大学生个性化教育评价方法研究

大学生个性化培养是实现因材施教人才培养目标的重要内容,而个性化教育的智能化评价是衡量培养质量的有效手段,更是智能技术与教育结合的必然要求。针对传统个性化教育评价中数据采集获取难、评价过程环节多、指标数据粒度粗、实时反馈效果差,难以应对规模化、过程性、全方位、个性化发展评价难题,提出人机协同的大学生个性化教育评价方法。首先明确了人工智能技术赋能个性化教育评价的内容,然后提出了人机共建个性化教育评价指标体系与人机协同实施过程,最后展示了人机协同个性化教育评价的典型案例。人机协同的智能化评价手段,具有全天候、超时长的服务能力,可大幅提升评价的效率与质量,是新时代教育评价改革成功的重要手段,是实现教育评价现代化的有效途径。

个性化头部生物力学模型的开发及验证

本文提出了一种个性化头部生物力学模型建模方法,并对所生成模型进行了有效性验证。该方法以图斯特50th百分位头部生物力学模型为基础,基于目标模型头部CT数据,采用三维点云配准和自由网格变形法,实现具有详实脑组织结构的个性化头部生物力学模型的快速建模。通过重构经典尸体试验,发现该方法构建的个性化头部生物力学模型在运动学和生物力学响应方面与尸体试验结果高度一致,且与通过逆向工程方法开发的头部生物力学模型并无明显差异,验证了本文方法所开发模型的有效性。因此,本文方法可用于快速构建具有详细解剖学结构的个性化头部生物力学模型,为损伤生物力学、临床医学和法医鉴定等领域的数字化需求提供基础计算分析工具。

个性化营养干预联合快速康复对妊娠期糖尿病孕妇剖宫产术后恢复、并发症和糖代谢的影响

目的:探讨个性化营养干预联合快速康复(FTS)对妊娠期糖尿病(GDM)孕妇剖宫产术后恢复、并发症和糖代谢的影响。方法:根据护理方式不同将120例GDM剖宫产孕妇分为A组、B组、C组,每组各40例。A组给予饮食教育和常规护理;B组给予饮食教育及FTS护理;C组给予个性化营养干预及FTS护理,各组均从入院干预至出院。比较各组术后恢复指标(泌乳始动时间、首次排气时间、首次下床时间、血性恶露持续时间、术后住院时间及切口愈合情况)及糖代谢指标[入组时、术后1 d及术后3 d空腹血糖(FBG)、餐后2 h血糖(2hPG),产后42 d的75 g糖耐量试验(OGTT)],记录各组术后并发症发生情况及出院时护理满意度。结果:各组泌乳始动时间、首次排气时间、首次下床时间、血性恶露持续时间、术后住院时间比较:C组<B组<A组(P<0.05)。术后1 d及术后3d,各组FBG及2hPG比较:C组<B组<A组(P<0.05)。产后42d,各组 0GTT比较:C组<B组<A组(P<0.05)。C 组总并发症发生率低于A组(P<0.05),A组与B组、B组与 C组比较差异均无统计学意义(P>0.05)。C组护理满意度高于A组和B组(97.50%vs.80.00%;97.50%vs.87.50%,P<0.05)。结论:个性化营养干预联合FTS能缩短GDM剖宫产术恢复时间,利于患者产后血糖稳定,值得临床推广。

个性化营养干预对老年慢性阻塞性肺疾病病人肺功能及免疫状态的影响

目的 探讨个性化营养干预对存在营养不良风险的老年COPD病人肺功能和免疫状态的影响。方法 选取128例经营养风险筛查2002(NRS2002)量表筛查存在营养不良风险的老年COPD病人,按随机数表法分为个性化营养干预组和对照组,每组64例。个性化营养干预组接受个体化营养治疗,对照组接受常规营养指导,3个月后比较2组营养状态指标、肺功能指标、运动耐量指标及免疫状态指标的变化。结果 治疗后,个体化营养干预组的营养状态、肺功能、运动耐量及免疫状态指标均较治疗前明显改善(P<0.05),且明显优于对照组(P<0.05)。对照组治疗后营养指标和免疫指标较治疗前明显改善(P<0.05),但肺功能和运动耐量指标治疗前后差异无统计学意义(P>0.05)。结论 对存在营养不良风险的老年COPD病人实施个性化营养干预可改善营养状态、提升肺功能及运动耐量,恢复其免疫状态。

基于知识图谱的个性化音乐推荐系统设计与实现

本文基于知识图谱技术设计了个性化音乐推荐系统。该系统由用户端、管理端、服务端以及数据库组成。用户完成注册并登录系统后,可以通过输入关键词等方式检索对应的歌曲和歌单,并将其添加收藏,管理员可查看并编辑用户信息。当用户再次登录该系统时,系统会根据之前用户的操作行为向用户精准推送个性化的歌曲和歌单,并在网站主页上显示。从测试情况来看,该系统的音乐推荐、歌曲搜索、歌曲收藏等基本功能可以实现,系统各项操作的平均响应时间均在1 s以内,使用体验较好。

智慧教育环境下个性化在线学习模式构建

以构建个性化在线学习模式的重要性和方法为基点,介绍了智慧教育的概念和特点以及个性化学习的含义和重要性,提出在智慧教育环境下构建个性化在线学习模式的关键要素:学习目标的设定、学习资源的个性化配置、学习内容的个性化呈现、学习评估的个性化方法和学习支持的个性化服务等,探讨了实施个性化在线学习模式的策略,包括数据分析与挖掘技术的应用、人工智能技术的运用、教师角色的转变与培训,以及学习环境的优化和支持。讨论了构建个性化在线学习模式过程中可能面临的挑战,并提出了相应的对策,以期为智慧教育环境下,实现“因材施教”“因人施教”提供解决方案。

核医学科进修护士个性化培养体系构建的思考

进修教育是提升护士业务水平的重要途径。四川大学华西医院核医学科承担着来自不同等级医院的进修教学任务,为进修护士提供优质的培训服务。考虑到进修护士的背景、经验和基础的差异,科室构建了以个性化为核心的进修护士培养体系,旨在提高进修护士的理论水平、操作技能和临床思维能力。在培训方法上,科室综合运用了多种教学法,包括以授课为导向的教学法(lecture-based learning,LBL)、以问题为导向的教学法(problem-based learning,PBL)和以案例为基础的教学法(case-based learning,CBL);在评估方面,采用柯氏四级培训评估模式对进修护士的培训效果进行全面评估,并通过建立沟通反馈机制,持续优化和改进培训体系。核医学科进修培训的总体情况、带教师资、岗前培训、专业培训、考核和反馈沟通等方面都得到了规范。

基于大语言模型的个性化实验报告评语自动生成与应用

在计算机实验报告评阅过程中,不同的实验报告评价体系呈现出多样性和差异性,固化的实验评语模板缺乏个性化的内容,评价结果往往未给出可解释性的依据。针对以上问题,提出基于大语言模型的个性化实验报告评语自动生成框架。通过主题-评估决策-集成提示策略,从教师的实验需求、代码质量需求中抽取该实验特有的评价体系,形成评估决策树,构建计算机软件方向课程共享的评估决策树库。设计基于大语言模型和决策树的实验要求、代码质量主题评级方法,从评估决策树库检索匹配学生实验报告内容的评估决策树,结合实验报告和代码文本,自动生成实验主题、代码质量主题定量或定性的评级结果及对应的可解释性依据。在实验报告模板中融入学生已完成的实验任务、主题评级结果、评价依据等,生成个性化的实验评语。实验结果表明,基于主题-评估决策-集成提示策略的决策树生成结果明显优于未用提示的方法,该策略各部分具有一定的有效性和合理性,同时自动生成的评级结果和教师原先批阅的评阅结果对比,软件测试、面向对象程序设计、电商金融课程示例匹配正确率均达到90%以上。从任课教师对于自动生成的评语评分分析,评语在流畅性、相关性、合理性3个维度上达到了较高的质量水平。

IMB模型框架下小组个性化干预对PE患者自护能力、血压控制的影响

目的:探究IMB模型框架下小组个性化干预对子痫前期(PE)患者自护能力、血压控制的影响。方法:随机数字表法将2021年3月-2023年2月本院就诊的PE患者200例分为观察组与对照组各100例,两组均予以常规护理干预,观察组同时予以信息-动机-行为技巧(IMB)模型框架下小组个性化护理干预,均干预至妊娠分娩。比较两组自护能力[自我护理能力测定量表(ESCA)评分]、负性心理[焦虑自评量表(SAS)评分、抑郁自评量表(SDS)评分]、治疗依从性、血压控制情况及分娩结局。结果:干预后观察组ESCA各维度评分均高于对照组,SDS(42.55±4.28分)、SAS(43.39±4.21分)评分均低于对照组(48.36±4.33分、47.57±4.36分),治疗依从性(94.0%)高于对照组(83.0%),收缩压及舒张压(127.6±7.5 mmHg、93.5±4.3 mmHg)低于对照组(142.5±8.4mmHg、104.6±5.5 mmHg),不良分娩结局低于对照组(均P<0.05)。结论:对PE患者实施IMB模型框架下小组个性化干预可提高患者的自护能力与治疗依从性,减轻负性心理,有利于血压控制及改善妊娠结局,提高了护理效果。

车联网中基于有向无环图区块链的个性化联邦互蒸馏学习方法

联邦学习(FL)作为一种分布式训练方法,在车联网(IoV)中得到了广泛应用。区别于传统机器学习,FL允许智能网联车辆(CAVs)通过共享模型而非原始数据来协同训练全局模型,从而保护CAV隐私和数据安全。为了提升联邦学习模型精度,降低通信开销,该文首先提出一种基于有向无环图(DAG)区块链和CAVs的IoV架构,分别负责全局模型共享和本地模型训练。其次,设计了一种基于DAG区块链的异步联邦互蒸馏学习(DAFML)算法在本地同时训练教师和学生模型,教师模型的专业级网络结构可取得更高精度,学生模型的轻量级网络结构可降低通信开销,并采用互蒸馏学习使教师模型和学生模型从互相转移的软标签中学习知识以更新模型。此外,为了进一步提高模型精度,基于全局训练轮次和模型精度设定个性化权值来调节互蒸馏占比。仿真结果表明,DAFML算法在模型精度和蒸馏比率方面优于其他比较算法。

以障碍点为指导的个性化综合训练对老年全髋关节置换伴肌少症患者运动能力及预后的影响

目的 探讨以障碍点为指导的个性化综合训练用于老年全髋关节置换伴肌少症围术期的康复效果。方法 选取2020年2月—2023年4月收治的84例老年全髋关节置换伴肌少症,根据康复训练方法不同分为对照组、观察组,各42例。对照组给予常规康复训练,观察组给予以障碍点为指导的个性化综合训练。比较2组术前及术后1个月Fugl-Meyer运动功能量表(FMA)、Berg平衡量表(BBS)、髋关节残疾和骨关节炎预后评分(HOOS)、肌力相关指标、肌肉相关康复指标及肺功能[用力肺活量(FVC)、第1秒用力呼气容积(FEV1)、FEV1/FVC、FEV1占预计值的百分比(FEV1%pred)]。结果 术后1个月,观察组FMA、BBS、HOOS评分较对照组升高,优势手握力、四肢骨骼肌质量、患肢骨骼肌质量和全身肌肉质量均较对照组升高,胫前屈肌厚度、肱二头肌厚度较对照组均降低(P<0.05);术后1个月,观察组FVC、FEV1、FEV1/FVC、FEV1%pred与对照组比较均升高(P<0.05)。结论 以障碍点为指导的个性化综合训练能提高老年全髋关节置换伴肌少症患者肌力与运动能力,利于改善肺功能及患者预后。