大发平台官方网站_大发平台计划

年底销售旺季出货量增大 物流企业接单忙******

　　央视网消息：随着一波波寒潮来袭，以及元旦春节促销季的来临，我国最大的羊毛衫集散地浙江桐乡市的濮院镇迎来了年底销售旺季。

　　在浙江濮院镇的一家服装企业的仓库里，200多万件冬装正在仓库里整装待发。企业负责人告诉记者，这些货品将在不到一个月的时间里，运往全国各地1600多家门店。

　　企业在忙着发货，经销商也在忙着接待各地的客户。在濮院时尚中心，经营户杨建琴一边忙着招待客户，一边把今年最新款的羽绒服、高领毛衫等各类御寒服装上架。

　　记者了解到，进入12月份以来，浙江濮院镇冬装市场的日均出货量保持在1200吨左右，相比11月份增长近七成左右。

　　岁末出货量增大 物流企业接单忙

　　各家商户的出货量猛增，也让濮院镇的物流压力大增，不少商户为了提升发货效率，已经是三轮车、货车齐上阵，以保证货品在最短的时间内发出。

　　沈跃苹是浙江濮院一家纺织公司的负责人，今年，由于海外和国内的客户在年底集中补单，最近一段时间，沈跃苹每天最重要的工作就是紧盯发货物流。

　　线上订单的增长，以及直播电商的兴起，让不少像沈跃苹这样的商户更加注重订单出货的时效性。最近一段时间，当地不少货运司机也是加班加点，每天短途的接单量都超过了10单。

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）