关键词： 招商局集团   智慧司库   财务数字化   人工智能   大数据   资金管理  

摘要： 在数字经济与国企改革融合背景下,建设世界一流财务管理体系是央企高质量发展的关键。招商局集团作为百年央企,面对万亿级资金与跨境调度的难题,以智慧司库系统为核心推进财务数字化转型。本文结合其建设实践,从转型动因切入,解析“四层架构”与AI、大数据等技术应用,阐述技术赋能资金效率提升与风险防控路径,并基于2019—2024年财报数据量化分析转型价值。研究显示,该集团以数据驱动、智能赋能、风险可控、价值创造为导向,实现资金管理从分散管控到全局智能的转变,为大型多元化集团资金数字化转型提供了可借鉴的实践范例。

关键词： 数字赋能   全民健身   志愿服务   供需创新  

摘要： 大数据赋能全民健身志愿服务是回应健康中国、体育强国和数字中国战略的重要议题。笔者运用理论分析方法,对《大数据时代的全民健身志愿服务:供需适配与机制创新》一书的学术价值进行了评论。认为该书以全民健身志愿服务发展的核心问题为基础,紧扣大数据时代的社会发展变革机遇,提出了理念创新、技术支持、制度保障、机制优化等四位一体的赋能路径,为我国全民健身志愿服务高质量发展、全民健身公共服务体系现代化建设提供了坚实的学理支撑与行动指引。

关键词： 分布式电源   广义负荷   自组织映射神经网络   灰狼优化算法   时域卷积网络  

摘要： 针对分布式电源广泛接入配电网导致的负荷特性复杂化问题，提出一种高精度的广义负荷建模方法。首先，利用自组织映射神经网络（SOM）对电网节点负荷数据进行特征提取和降维处理，通过无监督聚类将动态特性相似的节点划分为典型子网系统；其次，采用灰狼优化算法（GWO）对时域卷积网络（TCN）的超参数进行全局寻优，建立子网系统的广义负荷模型。结果：基于IEEE33节点配电系统的仿真实验表明，所提方法在聚类指标（DBI和轮廓系数）、建模指标(MAE、RRMSE、MAPE和R2)上均优于对比方法，其中，DBI平均降低28.2%，轮廓系数平均提高56.2%，MAE平均降低32.6%，RRMSE平均降低37.1%，MAPE平均降低33.1%，R2平均提高3.1%。结论：基于SOM-GWO-TCN综合算法的广义负荷建模方法能够有效降低模型复杂度，提高所建模型的精度。

关键词： 肝细胞癌   网络药理学   机器学习   G2/M期检查点   细胞凋亡  

摘要： 目的 整合网络药理学与12种机器学习算法，系统探讨健脾化痰方治疗肝细胞癌（HCC）的分子机制，为该方的临床转化应用提供依据。方法 通过TCMSP数据库及文献筛选健脾化痰方的活性成分及其靶点，从TCGA数据库获取HCC转录组数据并筛选差异表达基因，取二者交集，获得健脾化痰方治疗HCC的潜在靶点。通过12种机器学习算法对交集基因进行重要性评估，筛选核心诊断基因，并通过GEO独立数据集验证其诊断效能。采用GO和KEGG通路富集分析揭示核心基因的生物学功能。建立Hep1-6小鼠皮下移植瘤模型，将小鼠随机分为模型对照组、仑伐替尼阳性对照组及健脾化痰方低、高剂量组，每组6只，连续给药14 d，检测肿瘤体积和质量，Western blot、qRT-PCR及免疫组化检测G2/M期关键分子CDK1、CCNB1及凋亡相关蛋白表达。结果 网络药理学筛选出健脾化痰方活性成分159个，相关靶点287个，与HCC差异表达基因的共同靶点55个。通过12种机器学习算法综合评分得到20个核心诊断基因，GEO验证平均AUC达0.901。富集分析显示核心靶点富集于G2/M期转换等细胞周期调控通路。动物实验表明，健脾化痰方能显著抑制肿瘤生长（P<0.01），下调CDK1、CCNB1蛋白表达，同时下调pro-Caspase9、pro-Caspase3蛋白表达，上调cleaved-Caspase9、cleaved-Caspase3蛋白表达。结论 通过网络药理学结合12种机器学习算法可系统筛选健脾化痰方治疗HCC的核心诊断基因，该方可能通过下调CDK1、CCNB1表达诱导G2/M期阻滞，进而激活线粒体凋亡通路，抑制HCC生长。

关键词： 智慧图书馆   创新基因   基因解码   创新驱动   多案例研究  

摘要： 智慧图书馆是公共文化服务体系数字化转型的核心载体，解码驱动其创新应用的创新基因及其调控机制，有助于为智慧图书馆的迭代升级提供理论支撑与实践范式。文章基于生物基因理论，按照“服务表现—调控机制—创新基因”的研究思路，对19个智慧图书馆创新案例进行多案例分析，发现智慧图书馆的创新应用可以分为智慧感知、智慧流通、智慧互联和智慧管理四大场景，由资源、技术、组织和服务创新基因经过嵌入、优化、智慧化、协同共创和集成组合的调控机制外化形成，并从基因层面、调控层面和应用层面对驱动智慧图书馆创新应用提出具体建议。

关键词： 阵列天线波束赋形   遗传算法   自适应   种群离散程度   停滞累计  

摘要： 针对阵列天线形成复杂波束时传统遗传算法存在收敛速度慢，易陷入局部最优等问题，提出一种自适应遗传算法。为防止遗传算法陷入局部最优，根据最优解在迭代过程中的停滞次数自适应调节锦标赛选择规模；并引入种群离散程度策略对交叉概率和变异概率进行自适应调节，其中变异策略使用分段高斯分布扰动，根据阵元幅度和相位的参数约束条件不同设置相应的扰动因子。通过上述自适应策略能有效提高种群多样性、增强算法的全局寻优能力和收敛性能。仿真结果显示本文算法能够实现指定波束期望，在余割平方波束和平顶波束下分别将旁瓣最大值优化至 -24.6 dB 和 -24.52 dB，主瓣误差分别降至 0.4 dB 和 1.28 dB。

关键词： 感受野注意力卷积   目标检测   损失函数   C2f-Fasterblock-EMA模块   轻量化  

摘要： YOLOv8目标检测算法参数量大、推理速度慢，难以适配计算能力和存储空间有限、实时性要求较高的嵌入式设备。为此，提出了一种基于改进YOLOv8的轻量化检测算法。首先，采用感受野注意力卷积（RFAConv）替换主干和颈部网络中的普通卷积，调整感受野空间特征的尺寸，提高模型检测的准确性和泛化能力；其次，提出C2f-Fasterblock-EMA轻量化模块替换主干和颈部网络中的C2f模块，更高效地捕获不同尺度复杂的目标信息，同时增强对目标特征的提取能力，减少模型参数量，提高模型的检测速度和准确性；最后，使用边界盒损失函数（shape-iou Loss）替换原回归损失函数，提高模型的性能。实验结果表明，与原YOLOv8算法相比，该算法的参数量减少了2.68M,m AP和P分别提升了8.9%和6.9%。因此，该算法更有利于在嵌入式设备上进行部署。

关键词： 移动机器人   激光SLAM   动态点云去除   双地图协同   栅格地图构建   动态障碍物检测   相关性扫描匹配(CSM)  

摘要： 针对室内复杂场景中移动障碍物、镂空物体及设备倾斜等动态干扰因素导致激光即时定位与地图构建(SLAM)点云特征不确定性、配准失效及地图畸变等问题，本文提出一种基于双地图协同的动态障碍物点云检测与剔除算法。首先，构建多分辨率栅格地图以优化相关性扫描匹配(CSM)算法的配准效率与精度；在此基础上，建立静态基准地图与动态检测地图协同的双地图体系，通过双向约束机制实现对动态点云及虚假点云的精准判断与高效滤除。仿真与真实环境实验结果表明：该算法使CSM配准算法匹配度稳定在0.85以上，有效规避配准失效与地图畸变；动态障碍物识别率达98.75%，绝对平移误差(ATE)平均优化3.675%。相较于传统栅格概率更新策略，本文算法从配准稳定性、动态环境感知能力及全局定位精度3个层面显著提升了激光SLAM系统的综合性能，能够构建无畸变、高可靠的静态栅格地图，为室内动态场景下的自主定位与建图提供了有效解决方案。

关键词： 源辨识问题   梯度下降法   高斯牛顿迭代法   阻尼最小二乘法   Poisson方程  

摘要： 本文研究了Poisson方程的源辨识问题.根据边界上的柯西数据,寻找重构算法探测物体内部的源项.本论文的目标是探测隐藏源的位置、大小和形状.由于该问题是病态的,所以需要采用正则化技术来获得正则化解.数值算例表明本文提出的算法是有效的.