驱动的智慧图书馆转型：框架、路径与挑战 [J]. 情报理论与实践 , 2023, 46(07): 9-16. 郭利敏 , 付雅明 . 以大语言模型构建智慧图书馆：框架和未来 [J]. 图书 馆杂 志 , 2023, 42(11): 22-30+133 AIGC 赋能智慧图书馆路径：智慧图书馆中的 AIGC 应用框架（理论建模） 在数据方面， AIGC 觉内容，并 与 VR/AR 技术融合，为智慧图书馆打造高度仿真虚拟环境 [3] 。 [1] 郭利敏 , 付雅明 . 以大语言模型构建智慧图书馆：框架和未来 [J]. 图书馆杂志 , 2023, 42(11): 22-30+133 [2] 赵杨 , 张雪 , 范圣悦 . AIGC 驱动的智慧图书馆转型：框架、路径与挑战 [J]. 情报理论与实践 , 2023, 46(07): 9-16. [3] 集训练的领域模型以完成特定功能 的任务，例如古籍分类和领域 OCR 等 [1] 。 [1] 郭利敏 , 付雅明 . 以大语言模型构建智慧图书馆：框架和未来 [J]. 图书馆杂志 , 2023, 42(11): 22- 30+133 AI GC 赋能智慧图书馆路径—— AIGC 应用框架 : 软件 图书馆领域模型的建设 图书馆业务流程重组 AIGC

应用案例及成效 单位名称 联系人 联系方式 信息 有效期 上游、中游 产品 “战鸿”空 中应急指 挥机 “战鸿”空中应急指挥机由中 电科和应急部大数据中心联 合研制，通过在中电科 DA42 MPP 飞机上集成光电吊舱、 卫通、自主网、PDT 以及指挥 调度等任务载荷，实现灾区侦 察监视、通信中继、指挥调度 和辅助决策等功能，可应用于 森林防火和应急救援场景。 四川全域 限公司 陈艾 18583398336 长期有效 产品 DA42\CA 42双发四 座通用 飞机 DA42 飞机由中电科通过“国外 TC+国内 PC”模式引进奥地利 钻石飞机在国内生产制造，双发 四座，机身全复合材料，航程达 2245km，升限达 5486m，时速 352km/h，安全性排全球同类机 型前列。CA42 飞机具备自主知 识产权，全国产化，已经取得民 航 TC 和 和 PC 证。 飞行员培训、高 端商务出行、短 途通勤等。 DA42 飞机是全球最为畅销的双发四座通用 飞机之一，安全性高，运行成本低。CA42 则是国内首个通过中国民航适航验证的全国 产 23 部全复合材料通用飞机，全自主可控。 川内航校中飞院和龙昊通航共计飞机保有量 达 54 架，有成熟的运行和保障经验和人员。 上游、中游 产品 低空智能 基础设施 聚焦飞行大数据、ADS-B

076 1.046 1.021 1.148 1.118 1.088 1.063 42 28 平时段 0.678 0.648 0.618 0.593 0.720 0.690 0.660 0.635 42 28 谷时段 0.316 0.310 0.304 0.298 0.251 0.245 0.239 0.233 42 28 峰时段 1.014 0.987 0.960 0.937 1.045 1 收益测算条件如下：  储能系统每天两充两放，即两个充放电循环，第一次充放电循环是峰谷 套利，第二次是峰平套利；  锂电池容量年度衰减率为 2.7%，即 6000 次充放电循环后储能系统容量 42 降至 80%；  考虑储能系统后期运维费用为 5 万元/年；  储能系统放电深度为 90%，充放电循环系统效率为 88%。 表 6-2 储能系统收益测算条件 （2）收益测算  测算了储能系统首次投入的

病害分类的深度卷积神经网络进行微调和评估，对深 度学习架构进行了实证比较，旨在找到快速准确的植 物病害识别模型。 图 3 “基于深度学习的植物病害检测”研究前沿中核心论文的被引频次分布曲线 1 2 12 22 32 42 4 14 24 34 44 6 16 26 36 8 18 28 38 10 20 30 40 7 3 9 19 29 39 46 5 11 21 31 41 17 27 37 15 25 35 45 8% 4 美国 131 6.6% 4 四川大学 中国 54 2.7% 5 沙特阿拉伯 75 3.8% 5 武汉理工大学 中国 44 2.2% 6 伊朗 74 3.7% 6 中国科学技术大学 中国 42 2.1% 7 澳大利亚 71 3.6% 7 浙江师范大学 中国 39 2.0% 8 英国 62 3.1% 8 太原理工大学 中国 37 1.9% 9 西班牙 61 3.1% 9 华中科技大学 3 威斯康星大学麦迪逊分校 美国 35 4.3% 4 澳大利亚 56 6.9% 4 北京师范大学 中国 33 4.1% 5 英国 45 5.6% 5 武汉大学 中国 31 3.8% 6 印度 42 5.2% 6 河海大学 中国 29 3.6% 7 西班牙 33 4.1% 7 中山大学 中国 28 3.5% 8 加拿大 31 3.8% 7 内布拉斯加大学林肯分校 美国 28 3.5% 9

这些模型 难以建模性能指标与各种网络状态之间的映射关系, 因此无法在实际网络中提供准确的预测. 随着 深度学习在各个计算领域的广泛应用, 最近出现了几种基于深度学习的网络性能预测模型. Deep- Q [42] 是一种深度生成网络, 用来预测端到端网络服务质量指标. RouteNet [43] 使用消息传递神经网络 (message passing neural network, MPNN) [44] wireless networks for 6G: basics, key technologies, and future trends. IEEE J Sel Areas Commun, 2024, 42: 3327–3354 14 Cao X, Su X, Yang P, et al. Survey on near-space information networks: Channel modeling 1558–1573 41 Ciucu F, Schmitt J. Perspectives on network calculus. SIGCOMM Comput Commun Rev, 2012, 42: 311–322 42 Xiao S, He D, Gong Z. Deep-Q: traffic-driven qos inference using deep generative network. In:

园中园 2025—2030 年 40 贵州贵阳大数据科创城 园中园 2025—2029 年 41 云南大理祥云经济技术开发区 园中园 2025—2030 年 3 序号 园区名称 范围 建设周期 42 云南曲靖经济技术开发区 园中园 2025—2030 年 43 西藏拉萨经济技术开发区 园中园 2025—2030 年 44 陕西咸阳三原高新技术产业开发区 整体 2025—2028 年 45