图为重庆人社局相关负责人发放返岗“大礼包”。 重庆人社供图
据了解,为给务工人员提供乘车便利,重庆市人力社保局与重庆西站积极对接、提前部署,合理制定进站乘车路线和客运组织方案,做好务工人员旅途接驳保障,全程服务引导。车站还专门开辟务工人员专用通道和候车区域,实现进站、候车、乘车无缝衔接。
值得一提的是,此次开行的首趟返岗专列由重庆、四川两地人社部门协同推进、定制打造,车上的乘客主要是重庆16个区县的返乡务工人员,以及四川毗邻重庆地区的务工人员。
“政府真的是实打实地把我们从家门口送到厂门口。”来自合川区三庙镇宝龙村的村民杨辉在广州务工已15年。他说,春节前回老家,当地劳务经纪人就主动联系他是否有返岗需求,并登记确定了出发时间和线路。30日清晨,一辆面包车停在杨辉家门口,专程接夫妻二人到合川区客运中心,再换乘“暖心返岗直通车”到达重庆西站。“这趟专列到广州南站后,考虑到高铁站离我们厂区远,重庆人社部门还安排了专车,会把我们送到厂区门口。”
据了解,从大年初六开始,重庆已集中输送超110万名外出务工人员返岗就业。接下来,该市还将为有集中返岗出行意愿的务工人员提供包车、包列、包机等“家门到车门”暖心服务,全市预计将开通返岗“直通车”超500趟次。(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) [责编:天天中] 阅读剩余全文() |