y39彩票计划群-y39彩票手机版

北京高院发布第三届司法改革“微创新”案例******

　　中新网北京1月11日电 (陈杭刘小源)为进一步鼓励基层创新，推进固化定型改革成果，推动形成“一马当先”带动“万马奔腾”的改革局面，2022年8月，北京高院正式启动司法改革“微创新”优秀案例评选活动。经过推荐申报、集中展示以及初评、复评、候选案例公示等环节，产生司法改革“微创新”最佳示范案例和优秀案例共21个。

　　11日，北京高院召开新闻发布会，通报21个北京法院2022年度司法改革“微创新”案例。

　　北京高院副院长孙玲玲介绍，此次评选出的案例具有首都特色、体现基层智慧、破解改革难题，是北京法院司法改革创新工作的重要展示窗口。

　　2022年，北京法院在健全审判权运行和制约监督工作机制方面做了大量工作，北京市高院、二中院、三中院、石景山、门头沟等5家法院的入选案例，充分体现了健全审判权运行和制约监督机制，不断增强人民群众对司法公正的获得感。北京高院制定《关于随机分案的实施细则》，构建“线上+线下”互补管理模式与五项保障机制，全市法院随机分案占比同比提高30个百分点。二中院构建“一轴两极三线”审判权运行监督流程全闭环、权责全要素、人员全覆盖的司法责任制落实体系，过去一年积案清理同比提高15.3%，一审案件被定错改发数量同比下降38.1%。

　　部分“微创新”案例充分体现北京法院加强诉源治理和矛盾纠纷多元化解工作。北京高院构建12368“一号响应”诉源治理机制，深度融入北京市接诉即办改革，精准对接各类诉源治理主体在办理12345群众诉求和开展矛盾纠纷预防调处化解过中提出的司法需求，全市法院通过12368热线主渠道响应诉源治理类司法需求2701个，满意度达100%；健全一站式多元解纷机制，将司法确认、小额诉讼、扩大独任制适用等改革任务融入“多元调解+速裁”，60%以上的一审民商事案件在诉讼前端得到解决。西城法院建立“1+15”街道联络员与法院专门团队对接机制，确认调解协议案件有效率达100%。

　　同时，强化服务保障和司法为民职能，满足人民群众对创新发展和利民便民的司法新需求。一中院构建“1+2+3”多元破产挽救体系，挽救中小微企业40家，引入投资近50亿元，妥善安置职工1200余人。四中院加强“北京国际商事法庭”建设，建立与国际接轨的多元解纷示范机制，北京国际商事法庭运行以来，为60多个国家和地区的3000余位中外当事人化解超过160亿元的商事纠纷。丰台法院探索建立“一窗通办”服务窗口，机制启用以来，累计接待群众10022人次，为群众办理三项以上事务851人次、两项以上事务3594人次，平均办理时长5分钟。通州法院将诉讼服务和速裁工作下沉人民法庭，为辖区群众提供家门口的一站式诉讼服务。加强对特殊群体的保护，创建涉未成年人民事社会调查观护工作模式被引入相关国家标准。朝阳法院加强对老年人群体的司法保护，打造审理涉老年人权益保障案件的专门法庭。

　　推进智慧法院和互联网司法建设方面，北京法院不断回应网络数字时代人民群众的司法新需求。北京高院制定《北京法院电子卷宗同步生成操作规程》《北京法院电子诉讼档案管理规范(试行)》，统一电子卷宗生成标准和工作要求，全市法院电子上诉移转自然时长较纸质模式节省超过20%。互联网法院开发自动抓取录入案款发还信息功能，实现一键智能发还案款，每笔案款发还从三分钟缩短到20秒，案款收发全年平均时长仅3.11天。

　　孙玲玲表示，今后，北京法院将继续坚持问题导向、目标导向、效果导向，以切口小、见效大的“微创新”，持续推动各项司法改革任务落地见效，努力让人民群众在每一个司法案件中感受到公平正义。

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）