金融服务“力挺”乡村振兴 山西省联社丰富帮扶举措******
中新网太原1月6日电 (范丽芳 李莉)6日,记者从山西省农村信用社联合社(以下简称“山西省联社”)获悉,根据规划,2023年,该单位将通过做好粮食生产和重要农产品供给金融服务、增强乡村产业可持续发展金融供给等,巩固拓展脱贫攻坚成果,推进乡村振兴,加快农业农村现代化进程。
根据其制订的2023年金融服务乡村振兴工作相关指导意见,山西省联社明确任务目标。
首先是巩固拓展脱贫攻坚成果,让脱贫人口合理信贷需求得到有效满足,并保持产业帮扶贷款合理增长。其次是金融支持乡村振兴,涉农贷款余额较年初持续正增长;普惠型涉农贷款净增230亿元(其中普惠型农户贷款净增140亿元);有信贷需求且符合信贷条件的新型农业经营主体实现评级授信全覆盖。
此外,山西省联社还将提升金融服务,乡村振兴主题卡发卡量持续增长;乡村振兴“主办银行”实现全覆盖;金融综合服务站点净增50个,总量达到14468个;电子银行渠道乡村地区个人客户绑卡数新增130万户。
为实现上述目标,山西省联社将优先提供粮食安全金融保障,加大重要农产品供给金融保障,加强农业关键核心技术攻关金融保障;持续巩固拓展脱贫攻坚成果同乡村振兴有效衔接,保持过渡期主要帮扶政策总体稳定,继续加大脱贫地区信贷投放力度;加大乡村特色产业发展信贷投入,加强县域商业体系建设金融支持,拓宽农业农村融资渠道;强化对农村基础设施建设的金融支持,强化金融科技赋能助力县域内城乡融合发展。(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)