图为山东奥斯登房车有限公司生产的房车。 受访者供图
“中国具备很多生产房车的优势,例如钢材、木材等资源丰富,中国的技术人员学习能力也很强,现在我们的团队已经完全本土化了。”张振汉说,创业之初推出的产品不符合当地人的生活需求,此后,公司每年都会派技术人员到海外去学习、考察。“我们对产品的改良贯穿在每一天,现在我们的产品也越来越符合国际市场的需求。”
近年来,张振汉带领团队先后研发30多款房车产品,拥有发明专利8项,外观、实用新型等专利69项,年产房车500多辆,在中国房车领域发展中起到了推动作用,尤其在智能一体化越野房车和智能野营房车的产品研发上填补中国国内空白。
“山东对外商和外资企业的支持力度越来越大,我也会推荐朋友来这里投资兴业。”张振汉说,从最初办个证件跑几个部门到现在办事效率大幅提升,政府提供“店小二”式的服务,业务办理实现数字化,每年都能收到新政策,城市的营商环境持续优化。
张振汉表示,公司目前正不断加大研发投入,将探索制造“远征式房车”,以更高端的技术打通全球房车市场。未来,公司将持续深耕国际市场,探路中国市场,引进先进生产设备,提高效率增加产能,让房车越开越远,开向全球。“新的一年,我希望中国发展的越来越好,人们的生活和平、和谐,我也将继续做好房车事业,和中国企业家携手合作共赢,让中国房车驶向世界。”(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() ![]() 云顶彩票地图 |