大发平台客户端下载-ios/安卓/手机版app下载

台湾11月房贷余额年增7.14% 成长幅度连8个月走跌******

　　中新网12月27日电 据台湾“中央社”报道，台当局货币政策主管机构26日公布11月房贷余额为9.32万亿元(新台币，下同)，年增7.14%，成长幅度连8个月走跌，尽管正值农历年前的购屋及交屋旺季，仍创下近2年半最低增速，显见房市降温愈来愈明显。

　　台当局货币政策主管机构官员表示，按照往年经验，农历年前是购屋旺季，会有一波高峰；不过今年11月房贷余额月增510亿元，虽然较前几个月的200、300亿元相比，明显放大，但远不及2020年、2021年同期的724亿及848亿元。

　　台当局货币政策主管机构官员认为，房贷余额增速放缓，即便年前旺季，交易量也不如以往热络，数据确实反映房市降温的现象。

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）