welcome购彩大厅软件 - 百科百科

购物卡消费受限？家乐福：正积极协调，优化商品供应链效率******

　　新京报贝壳财经讯(记者陈维城)针对多地家乐福购物卡消费受限等问题，1月9日，家乐福回应新京报贝壳财经记者称，公司会持续深耕中国市场，正通过积极协调，多举措优化商品供应链效率，给消费者更丰富的商品选择。

　　2019年6月，苏宁易购公告全资子公司苏宁国际拟出资48亿元收购家乐福中国80%股份。交易完成后，苏宁易购将成为家乐福中国控股股东，家乐福集团持股比例降至20%。

　　苏宁易购2022年第三季度报告显示，公司已全面开展家乐福业务调整，一方面，关闭部分区域 门店，聚焦优势城市经营，提升规模效益；另一方面，加大家乐福门店的电器3C业务融入，借助大卖场人流优势，提升盈利较强家电业务收入，分摊固定成本；此外，家乐福自身加快商品结构调整，本地电商与社群电商运营，加快适应市场变化，实现规模环比改善。

　　此外，家乐福管理层与门店也发生变化。2022年9月，苏宁易购副总裁龚震宇兼任家乐福中国CEO，原CEO田睿调任苏宁营销总部副总裁，负责店面筹建工作。截至2022年第三季度，家乐福中国门店有151家，前三季度关闭54家。

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）