计算与人工智能正在以前所未有的速度改变世界。从算法优化到智能应用，从数据驱动到跨学科融合，这一领域的最新成果不断拓展科技的边界。它不仅推动科研创新，也正在深刻影响工业、医疗、教育等社会各个层面。让我们一起走近前沿研究，探索AI与计算技术如何塑造未来。本期推文包含的这5篇最新研究展示了计算与人工智能领域的多样化进展：从智能算法优化到机器学习应用，再到计算方法在实际场景中的创新突破。无论是提升模型精度、推动自动化，还是探索跨学科应用，这些成果都体现了人工智能赋能科研与产业的巨大潜力。欢迎感兴趣的读者深入阅读，共同思考AI未来的发展方向。
Article/1
SBD-Net: Incorporating Multi-Level Features for an Efficient Detection Network of Student Behavior in Smart Classrooms
SBD-Net：将多层级特征融合应用于智能教室中学生行为的高效监测网络
该文提出了一种轻量级学生行为检测模型 SBD-Net，通过融合集成多层次特征、采用焦点调制 (Focal Modulation)、ESLoss与三维注意力机制的Dyhead检测头，在复杂课堂环境中实现了高效且精确的学生行为实时检测。
选题方向参考
作者在SCBehavior和SCB-U数据集上的实验结果证明了SBD-Net的优越性。凸显了其处理分布不均匀的行为和在复杂的课堂场景中执行高精度检测的能力。SBD-Net在新引入的SCB-U数据集上也表现出了强大的性能，验证了其对不同课堂环境的通用性。
然而，SBD-Net有一些局限性。它主要是为特定的课堂环境而设计的，这可能会限制其对不同教育环境的适应性。此外，虽然其计算需求有所降低，但需要进一步优化其在低功耗设备上的部署。同时，目前对外显行为的关注忽视了更微妙的心理和情绪状态，还需要进一步探索。
Article/2
The Impacts of Open Data and eXplainable AI on Real Estate Price Predictions in Smart Cities
开放数据与可解释人工智能对智慧城市房地产价格预测的影响
该研究利用里斯本2018–2021年期间的多源开放数据，通过结合Optuna优化的 XGBoost模型，显著降低了房地产价格预测误差，并借助SHAP方法提升模型的透明度和可解释性，从而增强智慧城市背景下房地产估价的准确性与可信度。
选题方向参考
这种方法可以支持明智的决策，促进可持续和公平的增长，从而制定更有针对性、更有效的城市规划政策，以应对房地产市场的不断变化的需求和趋势。
然而，该研究也存在某些局限性，包括模型对开放数据质量和可用性的依赖，这在不同环境下可能存在显著差异。这些数据局限性可能对专有房地产数据和关于兴趣点 (POI) 及宏观经济指标的开放数据的推测造成影响。例如，专有房地产数据可能偏向于在特定平台上发布的房产，可能无法反映整个市场。关于 POI 的开放数据可能存在地域偏见，城市地区的细节比郊区更丰富，这可能扭曲模型在不同地区的表现。此外，缺乏详细的社会经济和人口数据可能会限制模型准确预测不同社区价格的能力。
Article/3
Optimization of Electric Vehicle Charging Control in a Demand-Side Management Context: A Model Predictive Control Approach
需求侧管理环境下电动汽车充电控制优化：一种模型预测控制方法
该研究提出了一种基于模型预测控制 (MPC) 的需求侧管理系统，旨在优化智能城市中公共充电站的电动汽车 (EV) 充电调度。该系统能够实时调整充电策略，以应对电网负荷波动、电价变化和用户需求，从而降低充电成本、缓解电网高峰负荷，并提升系统的稳定性和可扩展性。仿真结果表明，该方法在多种场景下均表现出良好的性能，具有在智慧城市基础设施中推广应用的潜力。
选题方向参考
本文介绍了一种先进的需求侧管理 (DSM) 系统，该系统动态调整实时电网状况、电价和用户偏好的能力，突出了其在现代智能电网管理中的关键组件潜力。大量仿真结果表明，所提出的系统不仅有效降低了用户的充电成本，而且通过缓解峰值负荷和高效管理能源需求分配，显著提高了电网稳定性。然而，尽管该系统显示出巨大的潜力，但认识到并解决其局限性非常重要。一个显著的局限性是假设所有充电项目都采用统一的电价。实际上，由于时间、地点和市场条件等因素，能源成本可能会有显著差异。未来版本的系统应考虑可变电价，以更准确地反映现实世界能源市场的复杂性。此外，当前模型并未完全整合可再生能源，而可再生能源在现代电力系统中正变得越来越普遍。在需求侧管理框架中纳入可再生能源的考量，可以进一步提升系统降低成本和改善电网稳定性的能力，特别是在太阳能和风能渗透率较高的地区。
Article/4
Framework for BIM-Based Repair History Management for Architectural Heritage
基于建筑信息模型BIM的建筑遗产修缮历史管理框架
该研究提出了一种基于BIM的建筑遗产修复历史管理框架，旨在将建筑遗产的非正式修复信息与BIM模型相连接。该框架应用于韩国礼山修德寺大英殿的案例研究，利用符合历史建筑信息建模标准的结构化修复历史数据库，成功实现了修复历史数据库与BIM的同步，提升了建筑遗产的保护和修复管理效率。
选题方向参考
这项研究提出了基于HBIM参数维护文化遗产建筑的几种方案；它为开发使用HBIM和精细数据分类系统的互操作性维护建筑遗产系统提供了更多机会。
作者使用Revit API创建数据容器的系统最初计划在Dynamo上开发，以简化整个工作流程；但由于编码错误，开发不得不转向API。Revit API 和 Dynamo 各有其优点和缺点，尽管Revit API 使得系统使用步骤变得更加复杂，但允许通过简单的操作方式来运行系统，提高了系统的可用性。然而，修改API源代码中的硬编码共享参数信息却十分困难，给系统维护带来了重大挑战。因此，在修正Revit的固有编码错误后，有必要在未来将整个流程简化为基于Dynamo的自动化系统。
Article/5
The DIKWP (Data, Information, Knowledge, Wisdom, Purpose) Revolution: A New Horizon in Medical Dispute Resolution
“数据、信息、知识、智慧、目标”革命：医疗纠纷解决的新篇章
该研究提出了一种基于DIKWP (数据、信息、知识、智慧、意图) 语义模型的医生-患者互动框架，旨在通过构建内容模型和认知模型，实现诊疗过程的全透明化，减少认知差异和医疗争议。该方法通过语义双向映射和目的驱动的语义融合技术，有效处理了传统AI模型在医疗领域中的不确定性和可解释性问题。与传统方法相比DIKWP模型在处理诊断差异和不确定性方面表现出更高的准确性和透明度。
选题方向参考
这项工作在提高医患互动过程的透明度和可解释性方面具有特定效果，能够有效缓解医患关系并减少医疗纠纷问题。然而，本工作仍存在局限性，未来需要进一步处理和优化以下问题：首先，现阶段案例收集涉及手动收集音频并转换为文本内容，较为费时费力，需要一种更便捷的方法；其次，现阶段我们启动了DIKWP人工智能意识原型平台的开发，用于研究和收集诊疗过程中产生的DIKWP不确定案例并验证其应用，但仍然需要更多数量的案例。未来可设计整合医疗健康与福祉综合平台，并会考虑气象因素的影响。
Applied Sciences 期刊介绍
主编：Giulio Nicola Cerullo, Politecnico di Milano, Italy
期刊主题涵盖应用物理学、应用化学、工程、环境和地球科学以及应用生物学的各个方面。
2024 Impact Factor：2.5
2024 CiteScore：5.5
Time to First Decision：19.8 Days
Acceptance to Publication：2.6 Days
转载本文请联系原作者获取授权，同时请注明本文来自MDPI开放科学科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3516770-1502617.html?mobile=1
收藏
