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】温彬：2023年中国经济将呈现稳固恢复态势******
中新网1月11日电(中新财经记者 李金磊)“展望2023年，我们认为中国经济将呈现稳固恢复态势，增长动能将更加均衡，预计全年增速达到5.5%左右，回升到潜在增长水平。”民生银行首席经济学家温彬接受中新网“中国新观察”栏目采访时表示。
徐鹏宇 制温彬指出，从外部看，受高通胀和主要经济体货币政策收紧影响，总需求减弱，全球经济增速放缓，甚至有陷入“衰退”的可能。
从内部看，随着疫情防控措施的不断优化，消费将迎来强劲的恢复性增长，消费在稳增长中的基础性作用将进一步增强。同时，稳定房地产政策落地显效后，房地产销售和投资将触底回升，制造业和基础设施投资将保持平稳，投资仍将在稳增长中发挥关键性作用。
在温彬看来，宏观政策将继续保持逆周期调控力度，积极的财政政策将加力提效，稳健的货币政策将精准有力，发挥好货币政策工具总量和结构双重功能，降准和降息仍有空间，并进一步运用好结构性货币政策工具，持续加大对重点领域、薄弱环节和受疫情影响行业群体的支持。(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
一分pk10地图 |
)