财经院校人工智能基础课程思政建设探索

人工智能基础课程在财经院校通识教育课程体系中占据重要地位,对于财经院校交叉学科建设以及复合型人才培养都具有重要意义。该文以浙江财经大学为例,通过分析人工智能基础课程建设的现状与存在的问题,基于思政元素融入、教学模式改革和教学效果评价等视角,提出人工智能基础课程思政的建设路径与策略,从而实现课程思政视域下知识传授、能力培养、价值引领的教学目标。

GPT类技术应用开启智能信息处理之颠覆性变革

本文在浅析GPT类技术影响智能信息处理的主要方式基础上,提示多模态大模型正在给智能信息处理带来颠覆性变革,主要体现在大模型、多模态、跨语言等方面。文本生成、智能对话、机器翻译等波及智能信息处理的颠覆性应用将对信息处理的自动分析、提取、生成和决策带来巨大的效率提升,从而带来智能信息处理的颠覆性变革。目前,这一革命浪潮正以不可阻挡之势席卷而来,学界和业界须高度关注并积极应对GPT类技术应用开启的智能信息处理革命。

ChatGPT类AI-GPT技术应用对图书馆信息处理的变革探析

随着自然语言处理技术的发展,ChatGPT等大语言模型的应用潜力引起了广泛关注,这些技术能够深度理解和生成人类语言,因此在图书馆信息处理中具有重要的应用价值。本文对ChatGPT类AI-GPT技术与图书馆信息处理的应用前景作了概略分析,从智慧图书馆知识库建设、图书馆用户信息集成处理、图书馆数智化服务开放平台搭建三个方面探讨了图书馆信息处理的可能创新路径。

融合三支多属性决策与SAC的兵棋推演智能决策技术

近年来,将深度强化学习技术用于兵棋推演的智能对抗策略生成受到广泛关注。针对强化学习决策模型采样率低、训练收敛慢以及智能体博弈胜率低的问题,提出一种融合三支多属性决策(three-way multiple attribute decision making,TWMADM)与强化学习的智能决策技术。基于经典软表演者-批评家(soft actor-critic,SAC)算法开发兵棋智能体,利用TWMADM方法评估对方算子的威胁情况,并将该威胁评估结果以先验知识的形式引入到SAC算法中规划战术决策。在典型兵棋推演系统中开展博弈对抗实验,结果显示所提算法可有效加快训练收敛速度,提升智能体的对抗策略生成效率和博弈胜率。

信息线索对知识付费用户满意度的影响

[目的/意义]旨在探究信息线索是否以及如何影响不同付费模式下知识消费者满意度。[研究设计/方法]以线索诊断理论与认知失调理论为基础构建模型,基于2,630条知乎Live数据,利用多元回归与模糊集定性比较分析相结合的方法进行实证研究。[结论/发现]知识付费产品简介长度、持续时间、评论数量以及知识提供者声誉均显著正向影响用户满意度,知识付费产品价格负向影响用户满意度;与会员免费模式相比,付费模式下信息线索对用户满意度影响作用更强;会员免费模式下存在两类触发消费者高满意度的组态路径,分别为价格不敏感型和高价格偏好型;付费模式下存在三类组态路径,分别为价格不敏感型、低价格偏好型和高价格偏好型。[创新/价值]为知识提供者在不同付费模式下如何更有效地呈现信息线索提供参考,也为知识付费平台完善运营机制提供启示。

基于CTPN的智能车间双资源调度研究

为解决自动引导小车(AGV)与机器的联合调度问题,提出一种新的基于Petri网的调度优化方案:(1)拓展Petri网为有色时间Petri网(CTPN),描述加工过程与生产物料运输过程的并发活动,降低了网络规模;(2)采用遗传算法与A^(*)的联合算法优化求解CTPN模型。规划案例问题中每个AGV的路径,并输出了最优的联合调度方案。与禁忌搜索算法相比,所提联合方法适用于多AGV的智能车间调度,收敛速度更快。

基于不规则目标检测的指针式仪表读数识别方法

针对目前指针式仪表读数识别方法流程多、累计误差大、对倾斜图像识别效果差的问题,提出一种基于不规则目标检测网络的指针式仪表读数识别方法。首先构建校准网络结构,提取不规则目标顶点坐标,实现对图像自动进行透视变换,强化整体网络对倾斜样本的学习性能;随后利用卷积神经网络直接提取图像特征,实现读数信息的回归任务,减少方法步骤;最后整合模型,使倾斜校准与读数识别任务通过同一个可反向传播的神经网络学习并实现。实验表明,该方法提高了对倾斜仪表图像的读数识别精度,读数流程短、识别效率高。

直播电商环境对消费者购买意愿的影响:唤起感的中介效应

随着直播电商的快速发展,营造良好的直播购物环境对企业来说至关重要。基于SOR理论框架,探索直播购物环境如何影响消费者购买意愿。通过数据分析,研究发现直播购物的产品可视、导航浏览和主播魅力正向影响消费者的购买意愿,同时唤起感扮演着中介作用。在此基础上,研究进一步发现唤起感在产品可视和导航浏览对消费者购买意愿的影响过程中存在完全中介效应,而在主播魅力与消费者购买意愿之间存在部分中介效应。

基于HubGLasso注意力机制的脑网络分类研究

脑网络分类有助于脑疾病的早期诊断,也有益于理解脑疾病发病机理,具有重要的研究与应用价值。其中,卷积神经网络应用广泛,可以提取脑网络的拓扑特征,是脑网络分类中的一个前沿热点。然而,现有方法未考虑脑网络中Hub节点对脑功能的重要贡献,这可能会导致特征提取不充分,限制了它们的分类性能。为此,该文提出了一种基于HubGLasso注意力机制的卷积神经网络模型,用于进行脑网络分类任务。该方法包含了一种新的卷积层结构,首先利用GLasso模型去除脑网络中的冗余信息,然后引入Hub约束与注意力机制,使其能够提取与异常Hub结构相关的重要特征,并用于脑疾病诊断。实验结果表明,该方法在包含1112个被试的真实自闭症数据集上取得了68.67%的准确率,显著优于目前已有方法,证明了其应用价值。更进一步,通过对训练后的模型进行特征分析,能够得到与脑疾病相关的脑区信息与Hub节点结构信息,为脑疾病病理机制的研究提供了全新的视角。

基于句法CYK图神经网络的知识增强文本分类

句子分类方法主要分为基于特征工程的机器学习方法、序列化模型和结构化模型,但基于特征工程的机器学习方法对词序不敏感易产生稀疏向量,序列化模型忽略了句子的短语、依存关系等句法结构信息,结构化模型如句法树、二叉树等的准确率受句法解析工具影响。针对上述问题,构建基于句法CYK(Cocke Younger Kasami)图神经网络(GNN)的知识增强文本分类模型S-CYK,对输入句子分别构建对应的短语树和CYK图以形成句法CYK图,并利用关系图注意力网络(RGAT)进行句子分类。在公共数据集AG’s News、DBpedia、ARP(Amazon Review Polarity)和ARF(Amazon Review Full)上的实验结果表明,与现有先进模型半监督变分自编码器(SSVAE)、对抗性微调BERT(AFTB)、基于GloVe的ABLSTM(GloVe+ABLSTM)和融合FastText的CNN(CNN with FastText)相比,S-CYK模型在4个数据集的准确率提升了0.04%~1.21%。S-CYK使用句法CYK图结构进行知识增强,能有效增强聚合句子信息的能力。

大学教师教学学术能力的生成发展逻辑探析

教学学术能力是大学核心竞争力,对大学和教师的发展影响重大。教师教学学术能力的核心是掌握、运用和创新学科教学知识的能力,它内在地形成并发展于大学之中,与大学职能、人才培养模式、知识生产模式的嬗变密切相关,其生成发展有自身的逻辑规律性,教育思想理念牵引着教学学术能力发展,社会教育需求推动着教学学术能力发展,知识生产模式促进着教学学术能力发展。

多源大学生心理健康调查问卷数据可视分析

心理健康调查问卷广泛用于发现、检查和治疗大学生群体潜在的精神障碍和心理疾病,如经典的大学生人格问卷(UPI)和症状自评量表(SCL-90).不同问卷的调查角度存在差异,往往容易导致分析结果不尽相同,给大学生心理健康状况的综合调查、协同分析和精准治疗等带来挑战.为有效地挖掘多源调查问卷之间的关联,降低心理健康分析的不确定性,设计了面向多源调查问卷数据的大学生心理健康可视分析方法.首先,面向学生个体,设计多源心理健康调查问卷数据可视化,利用Circos技术展示具体答题信息及多源问卷关联情况;进而设计平行坐标系,直观地展示问卷属性的分布情况,引导用户交互式地确定平行坐标轴排列顺序,有效地呈现多源调查问卷属性之间的相关性;根据多源问卷属性信息,利用降维算法将大学生个体心理健康状况展示于低维坐标系中,设计几何空间差异度量方法以有效地评估多源问卷调查分析结果的不确定性,并且利用颜色映射有效地引导用户关注分析结果不确定的学生个体心理健康状况,从而实现心理健康状况的综合判断和追踪分析.集成上述问卷展示及分析功能,设计面向多源问卷调查数据的可视分析系统,提供便捷的用户交互模式,为用户深入探索和挖掘大学生心理健康状况提供有效手段.基于真实多源问卷调查数据的案例分析及用户反馈结果,进一步验证了文中工具的有效性和实用性.

智能计算虚拟仿真实验教学平台建设与实践

智能计算是人工智能课程的重要知识模块,其教学内容以算法模型为主,内容较为抽象,学习难度较大,同时也缺少相应有效的实验教学平台。文章针对智能计算的知识特点,以“虚实结合,以虚补实”为设计思想,融入智慧供应链中典型的应用场景,构建了智能计算虚拟仿真实验教学平台,并基于实验平台架构、实验内容设置和实验教学特色等视角,介绍了智能计算虚拟仿真实验教学平台的建设与实践情况。该实验教学平台的建设有利于更好地激发学生学习兴趣,强化学生计算思维和创新思维。

多层和异构信息网络及应用研究进展

[目的/意义]当网络构建逐渐由单层、同构网络延伸至多层、异构网络,现实复杂系统中多属性的实体及其之间多类型的交互关系得到揭示和体现。文章旨在梳理多层和异构信息网络的理论方法研究及其在情报学中的应用研究进展。[方法/过程]在概述多层网络和异构网络研究的理论方法基础上,指出多层和异构信息网络在情报学中的研究进展和应用场景,并讨论二者研究异同及其在情报学应用中的重点。[结果/结论]多层网络研究侧重表达数学和物理理论方法,有望为情报学研究进一步发现普适性规律提供理论支撑;异构信息网络研究侧重网络挖掘方法,有助于扩展和丰富情报分析研究中的数据分析与知识发现。

从ChatGPT爆发到GPT技术革命的启示

[目的/意义]文章旨在探讨GPT类技术发展带来的启示,提醒学界和业界关注GPT类技术应用将引发颠覆性变革。[方法/过程]揭示了从ChatGPT到ChatGPT Plus的发展及GPT技术革命的颠覆性特征,讨论了大语言模型的革命性潜力。[结果/结论]在GPT类大语言模型技术的支持下,ChatGPT类应用风靡世界,新技术革命正在发生,将全面影响以教育、科学、文化为核心的智力工作,彻底改变知识生态,开启智能信息处理和信息资源管理之颠覆性变革。

基于改进DIIM的洪涝灾害下供应链系统中断关联型损失评估研究

为解决暴雨洪涝灾害频发对企业生产和整条供应链的运行带来的巨额经济损失问题,在考虑供应链系统相互关联的基础上,运用改进的动态非正常程度投入产出模型(DIIM)模拟洪涝灾害导致企业非正常程度的动态运行状态,测算洪涝灾害给供应链系统带来的直接损失及关联损失。以2021年马来西亚洪涝灾害影响下的某制造业供应链系统为例,选取相关指标对洪涝灾害导致供应链系统中断带来的关联型损失进行评估。结果表明:洪涝灾害引发的供应链各节点功能下降程度由需求端和供应端两方干扰共同影响,非正常程度和损失都是一个动态变化的过程;仿真数据直观显示了洪涝灾害下供应链中断发生、扩散及恢复过程,有助于决策者对洪涝灾害下供应链系统运行进行分析和管理。

基于团队学习和支架理论的OAO混合式教学模式设计——以现代物流与供应链管理课程为例

为推动现代物流与供应链管理课程教学模式创新与信息技术融合,文章基于团队学习和支架理论,提出线上和线下相互融合、理论和实验相互渗透的OAO(Online And Offline,线上线下)混合式教学模式,通过整合慕课平台、雨课堂以及Blackboard平台,围绕课前、课中和课后三个阶段,设计了适合个人自主学习与团队竞争性学习相结合的混合式教学流程和成绩考核机制,实现了线上线下教学资源和教学环节的有效整合,提升了学生的学习效果。

中小纺织企业对跨境电商平台使用意愿影响因素研究——以绍兴诸暨袜业企业为例

近几年,跨境电商已然成为我国外贸发展的一个重要方向,中小企业是跨境电商平台非常重要的客户群体,但他们的需求一直未得到高度重视。基于对纺织类中小企业的调研,提出了中小企业用户对跨境电商平台使用意愿的理论模型,通过研究实际观测变量对概念模型中潜在变量的影响程度,从而得出影响中小企业使用的重要因素,并向平台提出改进建议。研究表明,加大推广力度、优化操作流程和减少数据延迟可以明显提升用户的使用意愿。

知识图谱可视分析研究综述

知识图谱是一种以图谱形式描述客观世界中存在的各种实体、概念及其关系的技术,广泛应用于智能搜索、自动问答和决策支持等领域.可视分析技术可以将抽象的知识图谱映射为图形元素,帮助用户直观地感知和分析数据,从而提高知识图谱的构建和表达,也为知识图谱在各个领域的应用提供了有力支持.文中对知识图谱可视分析相关工作进行调研和整理,从知识图谱可视化表现形式、知识图谱构建过程中常用的可视分析方法以及面向应用领域的知识图谱可视分析技术3个方面进行综述;进一步,总结和讨论知识图谱可视分析面临的挑战,并对其未来的发展趋势进行展望.

基于离散Jaya算法的线缆生产调度方法

线缆生产调度优化问题广泛存在于电线电缆行业的生产实际中,本质上属于带安装时间和复杂资源约束的柔性作业车间调度问题。针对线缆生产调度优化问题,建立了以最小化最大完工时间为目标的问题数学模型,提出一种离散Jaya算法解决该问题。在Jaya算法框架下,基于单列编码方式和左移解码策略,融入优先工序交叉算子和反向学习搜索策略,引导算法更有效地搜索问题空间,以提升算法性能,从而实现最大完工时间最小化。基于企业生产实际生成的实例集,通过仿真实验与对比分析,表明了所提算法在求解线缆生产调度问题中具备较高的有效性和稳定性。