摘要：当前,生成式AI数据训练过程中对作品的使用落入著作权法专有权利的控制范围,数据训练过程中存在侵权风险却难以运用现有著作权例外制度为其开脱。为顺应人工智能产业发展的需要,相关部门亟待为生成式AI数据训练创设侵权例外。现有路径中,法定许可和“选择退出”默示许可在适用上存在弊端,市场失灵理论、转换性使用理论以及从技术层面分析表明,将生成式AI数据训练纳入合理使用是化解数据训练侵权风险的最优选择。在制度设计上,相关部门要创设“人工智能数据训练”的合理使用例外,对主体要件、目的要件、行为要件以及结果要件做出限定,并为人工智能研发者设置安全保护、训练数据披露、定期审查的义务。

摘要：人工智能数据训练加速技术迭代,驱动产业升级。然而,可版权性作品的获取与利用使其难免著作权侵权争议。数据训练特性、产业发展需求以及域外规制动向充分说明,人工智能数据训练合理使用化是大势所趋。决策式人工智能与生成式人工智能在运行原理与输出形式上存在显著区别,著作权法应当实施类型化规制。前者利用数据的功能性价值,构成“转换性使用”,后者利用数据的表达性价值,应当将其纳入可“选择退出”的合理使用情形。在制度配套设计上,需明确人工智能开发者的数据训练披露义务以保证著作权人“退出”可能性,同时针对强化学习中使用者的数据训练行为,构建人工智能开发者侵权提示责任减轻机制,实现使用者与开发者的责任分担。

摘要：为了对瓦斯超限和煤与瓦斯突出事故进行提前预警,建立了数据预处理、瓦斯浓度预测模型,研发了具有三级判识标准和流程的预警系统。通过基于LSTM算法的瓦斯浓度数据训练解决深度学习中的梯度消失与梯度爆炸,通过瓦斯特征分析反映瓦斯浓度时空相关性,通过研究样本时长、预测时长与预测精度之间的关系得出最优预测方法。结果表明:当子样本时间长度为1.0 h时,5 min的超前预测精度最高,符合1%的评判标准;当子样本的时间长度为1.5 h时,超前预测10 min和15 min的精度最高且符合评判标准;当子样本时间长度为2.0 h时,需要超前预测20 min才符合标准。瓦斯浓度预测分析与防突预警系统能够反映煤巷掘进过程中瓦斯浓度的变化规律并进行瓦斯浓度预测和实时防突预警,为安全高效的瓦斯防治工作提供技术支撑。

摘要：人工智能的主体性。《生成相对极》是一个掌控了10万幅画作数据的作品。名为Style GAN的开放性图像生成器主要作用是生成现实中并不存在的逼真人脸,经过10万幅画作的数据训练,StyleGAN可以通过属性调节生成风景、人物画像。尽管展出的画作图像质量并未达到严格的绘画标准,但是这项技术的实现证明了人工智能代替艺术家的主观能动力的可能性。

摘要：基于YOLOv5网络设计了一种可以对混凝土排水管道接头缺陷进行自动检测与识别的算法。使用CCTV在工程实际中采集的管道样本数据,将其输入YOLOv5模型,对整个网络进行训练、优化与验证。试验结果证明,本文提出的混凝土管道接头缺陷识别方法可以对混凝土管道的错口及脱节缺陷进行较为有效的识别,检出率超过80%。该算法显著提高了排水管道缺陷检测的智能化和自动化水平,可以满足混凝土排水管道检测的需求。

摘要：近年来人类生物特征越来越广泛地用于身份识别,如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术等。基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。本文基于OpenCV图像处理库,利用《数字图像处理》的知识,实现简单的人脸识别技术。

摘要：本研究聚焦于人工智能技术在混凝土材料力学性能预测中的应用。通过收集混凝土样品在不同条件下的实验数据,包括水胶比、砂石比、含水率、固化时间等关键因素,我们利用神经网络、支持向量机、决策树等多种人工智能算法对数据进行训练和学习。研究结果显示,所构建的人工智能模型能够精准预测混凝土的压强、弯曲强度及韧性等关键力学性能指标,预测结果与实际实验数据高度吻合。这一研究为混凝土材料力学性能的精准预测提供了新的方法,有助于优化混凝土材料设计,提升建筑质量。而在模型优化方面,通过正则化、参数调整等方式,进一步增强了模型的稳定性和准确性。本研究表明人工智能在混凝土的力学性能预测上有着广泛的应用前景和潜力,不仅能够提高预测精度,还能够为混凝土材料的优化设计提供有力的数据支持。

摘要：针对接触网悬挂系统吊弦螺栓缺失检测问题,提出一种基于3D仿真数据的接触网吊弦螺栓缺失检测优化方法,利用3D仿真数据与深度学习对吊弦螺栓定位与识别。该方法设计了一个全新的用于吊弦螺栓定位的神经网络模型,在准确定位的基础上添加一条分类分支,用于吊弦螺栓分类,以达到检测吊弦螺栓是否脱落的目的。通过对比使用3D仿真数据模型采集训练样本与没有采集仿真样本的试验结果可知,使用仿真数据训练后得到的模型能有效缓解角度、光照条件、距离等因素带来的影响,召回率提升4.84%,精确率提升5.26%。

摘要：针对现有传动设备在线监测算法存在的检测精度低、效率差等问题,提出一种基于改进SSD网络模型的在线检测算法;先对故障集进行预处理,通过滤波调制、共振解调等环节滤除原始故障集的噪声干扰;以VGG-16为基础设计了SSD网络结构,同时增加了辅助卷积层和预测层;对SSD网络模型进行改进,引入了注意力机制模块和特征增强模块,改善模型各层的数据共享性能同时提高了模型的数据训练效率;基于通道拼合方式对故障数据进行多尺度特征融合,并优化SSD模型的各层金字塔结构,以更好的匹配先验框及选择最佳的损失函数;实验结果显示,提出算法的传动设备故障检测率达到98.8%,参与对比的3种传统算法故障检测率分别为94.2%、93.6%和93.7%,同时提出算法的检测效率也优于传统算法。

摘要：针对电力工程数据规模大、种类多、数据分析处理困难等问题,提出了一种基于人工智能技术的模糊神经网络算法对电力工程数据进行分析处理。该算法结合了神经网络的学习特点和模糊系统的容错优势,利用k-mans算法对样本输入空间进行聚类分析,生成隶属度矩阵并利用神经网络算法对数据进行训练最终完成目标输出。文中以200条历史数据为例,利用模糊神经网络算法对其进行了分析并在此基础上对新的电力工程造价进行了预测,分析结果能够满足现有的工程应用需求。文中的研究内容,对提高电力工程数据的利用水平和工程管理能力具有重要意义。