自1956年人工智能概念提出后，相关技术快速发展。近年来随着文言一心、new bing、chatGPT等人工智能新产品问世后，对各行各业产生了不同程度的影响。2023年3月，据统计美国已经有90%的学生使用chatGPT辅助完成作业。因此，本文将基于给出的人工智能相关调查问卷以及结果，对人工智能对大学生学习影响情况进行分析。 问题一，首先对于问卷结果进行分析。基于本文的研究侧重点，对调查问卷进行修改，剔除对研究没有太多意义的问题。对数据集，进行缺失值异常值判定，剔除异常数据样本。之后，对问卷进行效度信度检验。将调查问卷问题分为调查者基本信息、调查者学习情况、调查者对人工智能态度、人工智能发展四个部分进行分析。对于问卷结果进行编码，对不同的问题下，对应的问题回答设置不同的数值变量，完成调查问卷问卷结果的数值化处理。 问题二，根据问题一调查问卷的结果，设置调查者基本信息、调查者学习情况、调查者对人工智能态度、人工智能发展四个一级指标，对应的在一级指标下根据问卷设置二级指标。初步设置后，分析一级指标下，对应所属的二级指标之间的相关性、关联性，以论述指标选取的合理性。最终，根据分析结果，构建指

2023年电工杯：B题人工智能对大学生学习影响的评价

论文研究-基于筛选配组应用的动力电池综合性能评价方法研究.pdf,  动力电池作为电力储能和电动汽车的主要动力源, 使用时需要串并联成组以满足电压、容量、功率等各方面的要求, 而单体电池的综合性能是影响电池配组的重要前提. 如何客观准确地评价单体电池性能, 已成为当前电池筛选配组和成组应用研究的重点和难点. 本文以大容量的能量型动力电池为评价对象, 以功率、内阻、容量、极化、放电温升、充电温升、开路电压和自放电率为评价指标, 基于德尔菲法分析各因素对电池综合性能的影响程度, 给出各评价指标的权重值, 基于灰色关联度模型对数据进行归一化处理和关联度测算, 构建动力电池综合性能评价模型. 以电池的实测数据为例, 给出单体电池的评价结果. 同时, 基于三个不同使用路径下的电池性能评价结果, 验证了综合评价方法的可行性. 最后, 本文提出的单体电池综合评价模型也为电池的成组使用提供了配组依据.

基于BP神经网络回归预测,多变量输入单输出模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

2024导师评价，含全网信息

粒子群算法(PSO)优化长短期记忆神经网络的数据回归预测，PSO-LSTM回归预测，多输入单输出模型 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

根据矿工安全行为自身的复杂性,影响因素的多样性,行为过程的非线性、模糊性、随机性、时变性的特点,从安全生理、安全心理、工程心理、安全管理、生活重大事件、不同文化差异6个方面构建了矿工安全行为心理测量的初试量表。通过相关数学工具确定了与矿工安全行为状况紧密相关的63条测量指标作为评价因素集合,建立了基于灰色-模糊-改进动量BP算法的矿工安全行为状况的综合评价模型。通过实践应用表明,该方法能对矿工安全行为状态进行较为准确的评价,能满足生产现场矿工不安全行为预测的要求。

构建了神东矿区生态修复评价指标体系,并依据此评价体系,提出了基于多层次模糊综合方法的神东矿区生态修复的评价模型,依据数学模型选取3个基准年对神东矿区生态修复的可持续发展水平做出评价,结合实际情况对评价结果进行分析和探讨,指出神东矿区生态修复方面的不足之处。

基于高斯过程回归(GPR)时间序列区间预测，matlab代码，单变量输入模型。 评价指标包括:R2、MAE、MSE、RMSE和区间覆盖率和区间平均宽度百分比等，代码质量极高，方便学习和替换数据。

面对大数据时代消费者评价的海量信息，为了识别消费者评价信息的情感倾向，及时掌握消费者的评价信息反馈，采用K-近邻（KNN）算法对消费者评价信息进行情感分类，但是该算法在文本分类过程中因文本特征向量的维度高，使得算法的时间复杂度和空间复杂度较高，计算的开销很大。针对这一问题，通过对获取信息的文本结构以及情感表达特点的分析，采用一种改进的KNN算法进行文本情感分类。在对消费者评价信息进行分类时，先由潜在语义分析算法对文本特征向量进行降维处理，然后利用加权KNN算法进行分类。实验结果表明，该方法在提高文本分类速度的同时保持了良好的分类效果。