点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
银保监会：地方中小银行严禁吸收异地大额个人存款******
作者：秦燕玲
证券时报网讯，证券时报记者今日从银保监会获悉，自2021年1月银保监会和人民银行印发《关于规范商业银行通过互联网开展个人存款业务有关事项的通知》以来，银保监会持续督导地方中小银行落实通知要求，加快整改进度。经前期监管排查，目前地方中小银行存款业务以本地为主，异地存款占各项存款比例很低，负债稳定性增强，机构本地化经营趋势更加明显。
银保监会表示，地方中小银行应坚守服务当地、服务“三农”、服务小微企业的定位，坚持资金源于当地、用于当地的原则，严格按照监管要求规范互联网存款业务，严禁吸收异地大额个人存款。未来银保监会将继续深入整顿地方中小银行互联网存款和异地存款业务，严肃查处高息揽存、违法违规吸收异地存款等行为(包括互联网渠道)。
银保监会提醒，广大金融消费者办理存款业务时应增强风险防范意识，关注业务渠道是否合法、利率水平是否合理等因素，不要随意委托他人办理存款业务，也不要被高息所诱惑，守护好自己的“钱袋子”。
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（）  视觉焦点
至尊彩票地图 |
)