普京签新法：俄公司可忽略“不友好”国家股东投票******
中新网1月18日电 据“今日俄罗斯”(RT)报道，俄罗斯总统普京于当地时间17日签署了一项法令，允许符合标准的公司在做决策时不计算来自“不友好”国家的股东投票。
资料图：俄罗斯总统普京发表讲话。 圣彼得堡国际经济论坛 供图根据新法，公司管理层能在忽略“不友好”国家股东投票的情况下做出决定。该文件在法律信息门户网站上在线发布，适用于年收入超过1000亿卢布(约合99亿人民币)的能源、机械工程和贸易公司。
报道称，适用该法的公司需满足两项标准。其一，公司的所有者或受益人必须是受到了其他国家或国际组织制裁的人。其二，与“不友好”国家有联系的外国人在公司的法定资产或股份中所持有的权益必须在50%及以下。
据悉，该法有效期至2023年年底。
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 大众彩票地图 |
