..............................83 5.1.1 监督学习与无监督学习.......................................................................................86 5.1.2 深度学习与传统机器学习.......................................... .....................................................................................223 11.1.1 强化学习应用.................................................................................................226 引言 近年来，人工智能技术的快速发展为金融领域带来了革命性变 化，其中量化交易作为数据驱动的典型应用场景，正逐步从传统统 计模型转向以机器学习为核心的 AI 赋能模式。根据国际清算银行 2023 年报告，全球顶级对冲基金中已有 78%将深度学习纳入核心 交易策略，其资产管理规模年均增长率达 23%，显著超越传统量化 基金表现。这一趋势背后是 AI 技术在处理高维非线性市场数据时 的

.....................................................................................47 3.3.1 驾驶习惯学习.............................................................................49 3.3.2 事故预防建议...... 的实时数据，利用机器学习算法，进行交通流量的分析和预 测，从而自动调整信号控制策略。 2. 自动驾驶汽车的推广：结合 AI 技术，通过传感器数据和地图 信息，开发自动驾驶车辆，不仅可以减少人工驾驶带来的安全 隐患，还能优化城市的道路使用效率。未来，逐步推进与公共 交通结合的项目，让自动驾驶车辆作为接驳车，提升公共交通 的便利性。 3. 交通流量预测系统：利用深度学习模型分析历史和实时交通数 时做出调 整。例如，智能交通信号控制系统能够根据实时交通流量数据自动 调整信号灯的变化频率，从而减少交通拥堵，提升通行效率。 其次，人工智能在交通安全方面发挥着至关重要的作用。通过 应用机器学习和计算机视觉技术，车辆能够实现自动驾驶，减少人 为错误导致的交通事故。具体而言，自动驾驶系统可以通过摄像头 和激光雷达实时感知周围环境，并做出及时反应。例如，Waymo 和特斯拉等公司已在其自动驾驶汽车中实现了这一技术，显著降低

多源融合的数据为科研人员提供了强大的分 析 基础 。通过对大量实验数据和模拟计算数据的深入挖 掘， 科 研人员能够更准确地揭示材料性能与结构之间的内 在联系 ， 从而优化研发方案， 加速新材料的研发进程 。例 如， 利用机 器学习算法对海量材料数据进行分析， 能够快 速筛选出具有 潜在应用价值的材料配方和制备工艺， 缩短 研发周期 。在产 业应用阶段， 企业通过共享产业应用数 据， 能够及时洞察市 场需求的变化趋势， 获取产品在实际 等， 对大规模数据进行高效处理和分析 ， 挖掘数据背后的潜在价值， 为新材料研发和产业应用提 供有 力的数据支持。 数据清洗 ：运用多种数据清洗技术， 包括基于规则的清洗 方 法和基于机器学习的清洗算法， 对数据进行全面清洗 。 基于 规则的清洗方法通过设定一系列数据清洗规则， 如数 据取值 范围 、数据格式规范 、逻辑一致性规则等， 对数据 进行初步 筛选和清洗 。例如， 对于材料性能测试数据， 对于材料性能测试数据， 设 定合理的取 值范围， 过滤掉超出范围的异常数据；对于文 本型数据， 如 材料名称 、实验记录等， 运用正则表达式匹 配规则， 检查和 纠正数据格式错误和拼写错误 。基于机器 学习的清洗算法 ， 如聚类算法 、异常检测算法等， 能够自 动识别数据中的噪声 点 、离群值和异常数据模式 。例如， 利用聚类算法对材料成 分数据进行聚类分析 ，将偏离正常 聚类的数据点识别为异常

011 1.1 农业科学、植物学和动物学领域 Top10 热点前沿发展态势 011 1.2 重点热点前沿⸺“利用植物根际促生菌缓解植物的盐胁迫” 012 1.3 重点热点前沿⸺“基于深度学习的植物病害检测” 016 2. 新兴前沿及重点新兴前沿解读 019 2.1 新兴前沿概述 019 2.2 重点新兴前沿⸺“花青素在食品智能包装膜中的应用” 019 生态与环境科学 1 临床医学领域 Top 10 热点前沿发展态势 041 1.2 重点热点前沿⸺“CFTR 调节剂三联疗法对囊性纤维化实现从症状控制到病因治疗” 042 1.3 重点热点前沿⸺“全切片病理图像的弱监督深度学习框架” 045 2. 新兴前沿及重点新兴前沿解读 048 2.1 新兴前沿概述 048 2.2 重点新兴前沿⸺“人工智能大语言模型 ChatGPT 等在医疗健康领域的应用” 049 生物科学 重点热点前沿⸺“通过直接探测实验寻找低质量暗物质候选粒子” 089 数学 1. 热点前沿及重点热点前沿解读 095 1.1 数学领域 Top 10 热点前沿发展态势 095 1.2 重点热点前沿⸺“现代机器学习中的双降曲线与泛化现象研究” 096 1.3 重点热点前沿⸺“物理引导神经网络在偏微分方程求解中的方法与应用” 100 信息科学 1. 热点前沿及重点热点前沿解读 105 1.1 信息科学领域

城市管理辅助决策 社会治安防控 地铁公交安保 娱乐场所和特种 行业管控 智慧安防小区 智慧综治 重大活动安保 社会治安防控指 挥调度中心 智慧党建 党建宣传 学习教 育 党务工作 数据分析 智慧公安检查站 智慧街面巡防 智慧内保 环保卫士 河长通 城市体征综合监测 平战结合联动指挥 智慧环保 5 04 智慧党建解决方案 05 智慧环保解决方案 智能终端、 5G 高清视频设备，构建场馆联动式安保平台，提升公安工作的安全保障能 力 、分析决策能力、指挥管理能力、侦查破案能力和服务社会能力。 实现监控准确性，利用人脸识别、机器视觉、深度学习、视频结 构化处理等技术，实现人脸识别，与黑白名单库进行对比与告警； 实现变“被动防御”为“主动防御”，对各种采集设备回传的视频数 据进行智能分析，对异常情况进行告警和联动处置； 安保人员可 05 智慧环保解决方案 06 交付与售后保障体系 目 录 32 中国移动以信息化技术智慧建设党建解决方案，以强大的党务管理、数据分析功能全面支 撑组织建设、制度建设工作，以党建宣传和学习教 育 功能全面支 撑 思想建设工作，并对纪律 建设和反腐败斗争工作提供有效辅助手段，帮助客 户 实 现从严治党。 各级政府部门、企事业单位等有党建管理需求的客 户 。 新时代党的建设“五加

.....................................................................................7 2.1.5 智慧档案馆学习平台................................................................................................. ..............................35 2 1 项目简介 1.1 平台目标 智慧档案馆平台实现档案馆工作网上网下联动，初步构建“业务管理智能化、信息管理 精准化、学习管理个性化”的工作新模式，以信息化推动档案馆工作科学化。 智慧档案馆平台以移动互联网技术为依托，通过探索开放式的档案馆管理新机制，打 破了地域、时空界限的壁垒，有利于实现各类信息的快速传递。 +”行动的指导 意见，对“互联网+”模式的应用与发展做出了顶层设计和全面部署。 随着互联网、手机、数字电视等为代表的新媒体快速发展和广泛应用，新媒体已成为 企事业单位开展信息管理、人员交流以及自我学习的重要渠道。首先，新媒体技术在传播 范围和传播效果上的优势，能促进档案馆宣传方式的创新。其次，新媒体平台便于互动， 受众可方便的开展在线交互，有助于打破各成员单位的信息孤岛，促进交流。 当前，

人工智能技术体系示意图 基础层主要包含智能芯片、深度学习软件框架等。技术 层包括计算机视觉、智能语音语义、智能推荐，以及知识图 谱等技术，即赋予机器“看、听、说、理解”等智能能力，是 人工智能的核心。应用层则包括上述技术与具体行业场景结 5 合所衍生出各种技术、产品及服务等。 （2）人工智能发展趋势 技术层面，当前仍以深度学习技术体系为主，计算机视 觉、语音语义等技术持续发展，逐步从“看见、听见”向“看 “看 懂和听懂”迈进。同时，机器应用知识能力、逻辑推理能力、 自主学习能力等备受关注，感知智能开始向认知智能演进。 知识驱动的理论体系将在人工智能系统里扮演着越来越重 要的作用，与现有数据驱动的理论体系融合发展。不同学派 开始融合，兼具感知能力和推理能力的图神经网络等方法成 为研究热点。元学习等框架在赋予机器自主学习能力方面进 行了探索，引起了广泛关注。 产业应用方面，基础技术赋能应用将不断泛化。以计算 （2）智能视觉是安检环节的基础 近年来，地铁安检效率已经成为乘客服务获得感的重要 影响因素。利用视觉识别技术进行筛查是当前地铁安检的主 要手段。一方面，针对乘客携带的物品进行监测，通过对违 禁物品图像的学习训练，可实现危险违禁物品自动识别与检 测。随着相关图像数据库的不断丰富，识别精度可进一步提 高。另一方面，随着人脸识别等技术的成熟，根据乘客身份 识别进行快速安检也成为当前的热点。  危险物品检测

的技术流派； 深度学习是目前主流。 1950s—1970s 1970s 中期 1980s-2000s 早期 2000s-2010s 2010s-2018s 2018s- 现在 推理期 知识期 统计学习时期 集成方法时期 基于海量数据与 大规模预训练； 代表算法： DeepSeek 系列 Qwen 系列 GPT 系列 通过模型组合提升 预测精度； 代表算法： 随机森林 梯度提升决策树 神经网络 ) 深度学习机器学习人工智 能 4/37 在人工智能领域，数据、算力与算法构成发展基石——数据驱动模型训练，算力支撑复杂计算，算法优化 技术路径，三者协同推动人工智能向更高阶形态演进。 有监督数据 人工搜集、标注 合成数据 利用模型、仿真生成 虚拟现实 自动驾驶 生态 PyTorch TensorFlow MindScope 训练算法 无监督预训练 强化学习 前沿探索阶段 底层计算库： CUDA 、 CANN( 华为 ) 有监督微调 对比学习 * 互联网爬取、规模大 LLM 预训练 多维并行算法 状态监测、任务调度

以上，服 务响应时间缩短 30%，让政务服务更加贴近群众需 求，提升群众的满意度和获得感。 1.2.3 安全目标 严格遵循《数据安全法》《个人信息保护法》等 相关法律法规要求，通过区块链存证、联邦学习、差 分隐私等先进技术，确保数据 “可用不可见”。平台要 具备完善的安全管控体系，实现对数据访问、传输、 存储、使用等全流程的安全管控，有效防范数据泄露、 篡改、滥用等安全风险，保障政务数据的安全和隐私。 洗、脱敏、标注、知识图谱构建等。数据清洗要能够 去除数据中的噪声、重复数据和错误数据，提高数据 的准确性；数据脱敏要对敏感数据进行处理，确保数 据在使用过程中不泄露隐私信息；数据标注要为机器 学习模型提供高质量的训练数据；知识图谱构建要将 分散的数据关联起来，形成结构化的知识体系，为智 能应用提供知识支撑。 通过这些功能，形成高质量的公共数据集，为大 模型和智能体的训练和应用提供可靠的数据基础。 同时，提供 API 接口和 SDK，支持多模型协同推理， 满足不同应用场景的需求。 可信管控：基于区块链服务网络（BSN）实现数 据操作的实时上链，确保数据操作的不可篡改和可追 溯。采用联邦学习框架（如 TensorFlow Federated）支持跨部门数据联合建模，在不泄露原 始数据的情况下，实现模型的协同训练。通过身份认 证、权限管理、安全审计等功能，构建全方位的可信 管控体系，保障数据的安全使用。

会议上，强调要深化电力体制改革，加快构建清洁低碳、安 全充裕、经济高效、供需协同、灵活智能的新型电力系统 2024 年 2 月 29 日，中共中央政治局就新能源技术与我国的能源安全进行第十二次集体学习。习近平总书记指出，我国能源发展 仍面临需求压力巨大、供给制约较多、绿色低碳转型任务艰巨等一系列挑战。应对这些挑战，出路就是大力发展新能源。推进 电网基础设施智能化改造和智能微电网建设，提高电网对清洁能源的接纳、配置和调控能力。 。 口 2025 年 06 月 28 日， “擎源”发电行业大模型，国家能源集团发布。 中国南方电网 CHINA SOUTHERN POWER GRID ■ 多模态技术融合：采用多模态深度学习技术，融合图像识别、自然语言处理和时间序列 分 析等多种 AI 算法，可自动读取实时和历史数据，实现对关键设备的精准诊断。 ■ 算力与算法优化：硬件采用全国产 GPU 算力集群，提升大模型训练效率；软件层面构建 关键技术 3 系统分析与智能推演 数字平衡智 能 体 中国南方电网 CHINA SOUTHERN POWER GRID 32 ■ 底层： 通过对功率、电压、频率等节点参数形成“测点” , 进而学习节点耦合关系形成“测网” ■ 中层：在“测网”的基础上构建通用 Agent , 基于 MoE 架构实现调频、调压等多任务兼容 ■ 上层： 进一步构建网级 Agent , 基于思维链实现复杂任务的分解与上下级多