一分快3技巧|一分快3网址

来源：一分快3走势图2021-07-23 17:48

专访中国香港（地区）商会会长杨莉珊：看好香港与内地更密切地融合******

　　中新社北京1月18日电题：专访中国香港(地区)商会会长杨莉珊：看好香港与内地更密切地融合

　　中新社记者张晓曦

　　“现在内地与香港已经通关，港人港企有更多机会了解内地发展机遇，我看好今后香港与内地更密切地融合、往来与发展。”近日在北京接受中新社记者专访时，中国香港(地区)商会会长、香江国际中国地产有限公司首席执行官及执行董事杨莉珊如是说。

资料图为杨莉珊。中新社发受访者供图

　　杨莉珊2022年6月当选中国香港(地区)商会会长。约30年前，还在会计师事务所工作的她，就曾被从香港派驻到内地工作，见证了内地飞速发展与变化。

　　“我记得在1993年时，作为港人到内地工作，公司会提供一些补贴，因为考虑到当时内地的生活还不是很便利。但近30年过去，像北京、上海、深圳这样的城市已经发展得非常好，配套设施很完善，越来越多的港人、国外的专业人士，也都愿意到内地来工作、生活。”杨莉珊说。

　　同样是在1993年成立的中国香港(地区)商会，今年进入第30年。“目前我们有近80家公司会员、100多位个人会员，以在北京发展的港企、港人为主。”杨莉珊介绍，今后，中国香港(地区)商会将重点从加强商务往来、增进文化交流，及促进港人港企深入了解国家政策等方面着手，组织开展更多活动。

　　“我们希望可以帮助港人港企了解更多新的政策、法规，并组织一些论坛、宣讲会等，让他们更好地了解内地的发展。”杨莉珊说，对于“十四五”规划、粤港澳大湾区建设以及“一带一路”倡议等，商会也会更多组织实地考察等活动，让港人港企更加深入地了解及融入国家发展大局。

　　杨莉珊还十分关心香港青年的发展。她表示，中国香港(地区)商会将持续为香港青年学生提供平台，包括提供实习机会等，为他们提供更多选择，也会为他们在内地学习、生活、工作等提供帮助。

　　“其实我希望香港的年轻人眼光可以看远一点，因为内地可以提供的机遇是很大、很广阔的。”杨莉珊认为，在打开视野的同时，她也希望香港青年能够了解国情、了解政策，这样才能更好地发现机遇、把握机遇。

　　作为爱国港人、港商，杨莉珊经常在香港报章上发表言论文章，跟进时事，同时也介绍国家的发展。“因为我很早就到内地参与工作，见证了过去近30年国家的发展变化，所以想把一些新的政策、机遇，和更多人分享，这也是我想要做到讲好中国故事的一个体现。”她说。

　　在杨莉珊看来，过去几年，香港经历了“修例风波”，又遇到新冠疫情，经济和社会受到冲击，但在阴霾过后，香港作为国际金融中心、贸易中心和航运中心的优势仍然明显，且香港背后始终有国家支持，在与内地实现通关后，未来有望再次实现“腾飞”。

　　正在参加北京市两会，杨莉珊还表示，建设国际创新科技中心及中外文化艺术交流中心，是未来香港发展的新亮点，这两个方向与北京的发展更是“不谋而合”，香港与北京可以加强合作，实现优势互补。作为北京市政协委员，她也在提案中建议北京加强人才建设、为女性提供更多生育保障等。

　　“香港的未来，一定会与内地更加紧密地融合。”杨莉珊说，香港与内地通关后，相信会有更多港人港企愿意来到内地发展，而要“做大做强”，一定要用好国家的支持。(完)

一分快3技巧

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（）