点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
【奋发2023】月星集团董事局主席丁佐宏：2023年实体商业迎来复苏和回暖******
中新网1月16日电 (中新财经 吴家驹)“随着疫情防控政策的进一步优化与调整，无论是实体商业、还是泛家居行业，都将迎来复苏和回暖。”近日，月星集团董事局主席丁佐宏在接受中新网“中国新观察”栏目采访时表示。
丁佐宏认为，中央经济工作会议把恢复和扩大消费摆在优先位置上，对推动双循环的重视程度，超过了以往任何一个时间点。“这对我们而言，是一个巨大利好，也是一个重要的机会。”
“作为14亿人口的大国，我坚信，市场永远在，消费永远在，对美好生活的追求永远在。”丁佐宏表示，月星在全国的环球港和月星家居，将会不断跟上市场需求的变化，提升数字化运营能力，推进线上线下全渠道商业服务模式，打造更加多元化、更有温度的消费场景，发挥好商业服务业在扩大内需中的应有作用。(完)
搜索
复制
提速近10倍！基于深度学习的全基因组选择新方法来了****** 近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。 全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。 统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。 相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。 该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。 与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。 该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。 学术支持 中国农业科学院作物科学研究所 记者 宋雅娟
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
网投彩票地图 |
)