大发彩票网址|平台推荐官方版v2.9.1(2023已更新)

综述：2023，台湾民众须“优先保饭碗”的一年******

　　中新社北京1月9日电 (记者 刘舒凌)新年伊始，台湾财经界弥漫一股“低气压”。不少中小企业已冻结人力招聘，失业率恶化或于农历春节后进一步显现，“不要轻易辞职”“不要贸然理财”是民众时常听到的忠告。

　　也就是说，2023是应当“优先保饭碗”的一年。

　　过去的三年，台湾经济在新冠疫情影响下仍保持增长。台当局“主计总处”数据显示，2020年、2021年GDP增速分别为3.36%、6.57%，据最近一次预测，2022年增速为3.06%。多数观点认为，作为国际市场上少数能维持正常生产供货的地区，外贸活络尤其庞大的电子消费品需求拉抬了台湾近三年的总体经济表现，一扫多年“保二”(确保增长率不低于2%)的疲态。

　　只是，2022年第四季以来，受通胀压力笼罩、全球主要央行持续紧缩等因素夹击，国际需求降温，令该季商品出口预计较2021年同期减少3.89%，台湾经济情势正急转直下。

　　台湾一般被称作出口导向型经济体，出口占整体GDP比重达六成以上。期望新的一年以潜力较有限的内需增长抵挡出口衰退、支撑整体经济，显然难度太大。况且，台湾“中央大学”台湾经济发展研究中心执行的台湾消费者信心指数(CCI)调查显示，去年12月份，该指数已连续第4个月下滑(降至59.12)，为2009年10月以来新低。

　　该中心执行长吴大任对外表示，台湾出口正在衰退，相关制造业企业经营压力大，裁员已经开始；春节后订单若未回温，失业率有可能出现恶化。台湾当局“发展委员会”去年12月27日发布的11月景气灯号，也从“景气趋弱”的黄蓝灯转为“景气低迷”的蓝灯，综合分数为2009年5月以来新低。

　　目前看，对于国际经济情势调整的冲击力度与持续时间，台当局及民间企业显然估计不足。高科技产业如半导体行业去年年中进入下行周期，库存周转天数保持在高位，芯片价格下滑，“龙头”台积电也未能幸免、今年第一季营收将季减15%，行业库存调整或持续至今年下半年。传统制造业方面，拥有“捷安特”品牌的全球自行车“龙头”台湾巨大集团库存“爆仓”，去年12月中旬一纸展延支付供应商货款的公告震动市场，让公众注意到“绩优生”面对市场快速紧缩的窘况。

　　尤其引发焦虑的是，台产业结构多为垂直分工，供应链中的厂商彼此交易非常频繁，如有一两家爆发严重财务危机，会在其他厂商之中产生连锁反应，有可能转成系统性金融问题。

　　景气循环何时见底，会否“先蹲后跳”，于2023年下半年迎来春暖花开？这是当前台湾财经界讨论最多的问题，官方亦不得不出面稳定市场信心。台当局财政主管部门代理负责人阮清华去年12月26日在台立法机构答询时已表达，台官方金融安定基金(该基金管委会为维持金融市场稳定的专责机构)进场时间“不排除两年”，主因是经济情势比2009年(金融海啸)时更严重，可能持续时间更长，不确定因素较多。

　　近来，岛内经济专家、学者在官方、民间各种研讨场合里，关注点集中于近159万家企业及920万劳工(占全台湾就业80.4%)在当前低成长高成本环境下的困境。最新数据显示，去年11月全台外销接单衰退逾23%、第四季度为全年最低点。

　　多位专家呼吁，台湾仍有举债空间，当局应优先将财政预算投向中小企业及从业员工等弱势群体，提供一些补助，纾解财务、利息方面负担。衰退危险当前，救经济“急如星火”，台当局如何应对值得观察。(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）