为了探讨生成式人工智能在教育领域的应用现状、发展趋势、面临挑战等,并为研究人员提供科学发展依据和参考,利用CiteSpace知识图谱分析工具,对2022至2024年间中国知网(CNKI)和Web of Science(WOS)数据库中关于生成式人工智能在教育领...为了探讨生成式人工智能在教育领域的应用现状、发展趋势、面临挑战等,并为研究人员提供科学发展依据和参考,利用CiteSpace知识图谱分析工具,对2022至2024年间中国知网(CNKI)和Web of Science(WOS)数据库中关于生成式人工智能在教育领域应用的文献进行了系统梳理和对比分析。结果表明,国内外对生成式人工智能在教育领域的应用兴趣激增,国外在文献数量和增长速度上领先,并呈现紧密的合作网络。国内聚焦技术风险和数智技术,国外则侧重前沿技术探索及学术诚信。建议国内教育机构加强合作、深化研究内容、促进国际交流,并培育人工智能素养及伦理意识,以推动教育技术的健康发展和广泛应用。展开更多
目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷...目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷积平滑(Savitzky-Golay,S-G)、一阶求导的方法对原始数据进行预处理。然后,基于自举软缩减法(bootstrapping soft shrinkage,BOSS)和无信息变量消除算法(uninformative variable elimination,UVE)分别对预处理后的光谱数据进行特征提取,并利用X-Y距离样本集划分法(sample set partitioning based on joint X-Y distance,SPXY)将光谱数据划分为校正集和预测集。最后,建立基于拉曼光谱-中红外光谱数据融合的偏最小二乘回归(partial least squares regression,PLSR)食用酒精乙醇浓度预测模型,并利用麻雀搜寻算法优化的混合核极限学习机算法(sparrow search algorithm-optimized hybrid kernel extreme learning machine,SSA-HKELM)提升预测性能,实现对不同浓度食用酒精的快速、准确定量检测。结果与拉曼光谱数据、中红外光谱数据以及中红外与拉曼光谱的数据层融合构建的预测模型相比,中红外光谱与拉曼光谱特征层融合数据构建的预测模型具有更好的预测性能。其中,最优模型的校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.98314,校正集决定系数(R_(c)^(2))为0.99634,预测集均方根误差(root mean squared error of prediction set,RMSEP)为1.03256,预测集决定系数(R_(p)^(2))为0.99036。结论中红外光谱与拉曼光谱特征层融合预测模型可以实现对不同浓度食用酒精的高效定量检测,为食用酒精的质量检测提供了有效的理论支持与技术保障。展开更多
基于手机成像质量颜色评价的必要性,提出一种融合相机主观场景成像色彩和白平衡的自动评测方法(CIQA),以充分提取彩色图像相关特征并模拟人眼视觉感知特性来评价图像颜色。首先使用尺度不变特征变换(Scale-invariant feature transform,...基于手机成像质量颜色评价的必要性,提出一种融合相机主观场景成像色彩和白平衡的自动评测方法(CIQA),以充分提取彩色图像相关特征并模拟人眼视觉感知特性来评价图像颜色。首先使用尺度不变特征变换(Scale-invariant feature transform,SIFT)与透射变换相结合的方法,标识主观图像中ColorChecker标准二十四色卡对应的位置;而后构建离差率最小二乘法模型,并采用专家赋权法和熵权法计算色彩还原和白平衡指标权重分配比例;最后,通过多指标权重值对TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)进行改进,确定各方案与典型正负理想方案的接近程度,实现对智能手机成像质量颜色的优劣排序。对真实场景采集的图片进行实验,并与现有的两种决策方法进行对比验证。结果表明,所提方法能提高评价效率、节省人力,并可以获得与人眼主观判断一致性较好的评价结果。展开更多
文摘为了探讨生成式人工智能在教育领域的应用现状、发展趋势、面临挑战等,并为研究人员提供科学发展依据和参考,利用CiteSpace知识图谱分析工具,对2022至2024年间中国知网(CNKI)和Web of Science(WOS)数据库中关于生成式人工智能在教育领域应用的文献进行了系统梳理和对比分析。结果表明,国内外对生成式人工智能在教育领域的应用兴趣激增,国外在文献数量和增长速度上领先,并呈现紧密的合作网络。国内聚焦技术风险和数智技术,国外则侧重前沿技术探索及学术诚信。建议国内教育机构加强合作、深化研究内容、促进国际交流,并培育人工智能素养及伦理意识,以推动教育技术的健康发展和广泛应用。
文摘目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷积平滑(Savitzky-Golay,S-G)、一阶求导的方法对原始数据进行预处理。然后,基于自举软缩减法(bootstrapping soft shrinkage,BOSS)和无信息变量消除算法(uninformative variable elimination,UVE)分别对预处理后的光谱数据进行特征提取,并利用X-Y距离样本集划分法(sample set partitioning based on joint X-Y distance,SPXY)将光谱数据划分为校正集和预测集。最后,建立基于拉曼光谱-中红外光谱数据融合的偏最小二乘回归(partial least squares regression,PLSR)食用酒精乙醇浓度预测模型,并利用麻雀搜寻算法优化的混合核极限学习机算法(sparrow search algorithm-optimized hybrid kernel extreme learning machine,SSA-HKELM)提升预测性能,实现对不同浓度食用酒精的快速、准确定量检测。结果与拉曼光谱数据、中红外光谱数据以及中红外与拉曼光谱的数据层融合构建的预测模型相比,中红外光谱与拉曼光谱特征层融合数据构建的预测模型具有更好的预测性能。其中,最优模型的校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.98314,校正集决定系数(R_(c)^(2))为0.99634,预测集均方根误差(root mean squared error of prediction set,RMSEP)为1.03256,预测集决定系数(R_(p)^(2))为0.99036。结论中红外光谱与拉曼光谱特征层融合预测模型可以实现对不同浓度食用酒精的高效定量检测,为食用酒精的质量检测提供了有效的理论支持与技术保障。
文摘基于手机成像质量颜色评价的必要性,提出一种融合相机主观场景成像色彩和白平衡的自动评测方法(CIQA),以充分提取彩色图像相关特征并模拟人眼视觉感知特性来评价图像颜色。首先使用尺度不变特征变换(Scale-invariant feature transform,SIFT)与透射变换相结合的方法,标识主观图像中ColorChecker标准二十四色卡对应的位置;而后构建离差率最小二乘法模型,并采用专家赋权法和熵权法计算色彩还原和白平衡指标权重分配比例;最后,通过多指标权重值对TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)进行改进,确定各方案与典型正负理想方案的接近程度,实现对智能手机成像质量颜色的优劣排序。对真实场景采集的图片进行实验,并与现有的两种决策方法进行对比验证。结果表明,所提方法能提高评价效率、节省人力,并可以获得与人眼主观判断一致性较好的评价结果。