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
台湾11月工业、制造业生产指数均延续负增长******
中新社台北12月23日电 台湾经济事务主管部门23日公布台湾11月工业生产指数为130.3，同比减少4.93%；11月制造业生产指数为132.8，同比减少5.26%。两指数均为连续第三个月负增长。
据中央社、《经济日报》等媒体报道，台湾工业与制造业受全球通胀升息及终端市场需求下滑等因素影响，生产均有所减少，且减幅均较10月有所扩大。制造业方面，若按四大业别分，则金属机电工业、化学工业、民生工业11月生产情况同比均有缩减，仅资讯电子工业维持了同比1.39%的增长率。
台经济事务主管部门当日还发布了11月批发、零售及餐饮业营业额统计情况。11月批发业营业额为9981亿元(新台币，下同)，同比减少8.3%，结束了此前24个月正增长、转为负增长。主管部门分析，年末批发业虽进入传统春节备货旺季，但因全球经贸扩增力道走弱，营业额恐将持续下滑。
另外，11月零售业营业额为3827亿元，同比增长1.4%，其中电子购物及邮购业因业者举行“双11”优惠促销活动，刺激购买人气。11月餐饮业营业额760亿元，同比增长13.3%，“双11”、卡塔尔世界杯等商机均为当月餐饮业利好因素。(完)
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
三分快三地图 |
)