国家汉办回应称3520万向下属公司采购不违规

“网络孔子学院网站运营服务”项目中标公告 财政部网站截图

“网络孔子学院网站运营服务”项目中标公告 财政部网站截图

有网友发现,昨日,国家汉办(孔子学院总部)相关人员表示,“巨资”并非仅用于网站建设,还包括后期运营和推广费用,下属公司中标并不违规。财政部公告显示孔子学院网站运营耗资3520万

网友:下属公司中标“最贵网站”

网友在财政部网站发现,“网络孔子学院网站运营服务”项目中标公告显示,其第1包的中标金额为3520万元,采购人为国家汉办(孔子学院总部),中标供应商为五洲汉风网络科技(北京)有线公司(简称五洲汉风网络)。

网友称该网站可谓“史上最贵网站”。根据《政府采购法》第十二条规定,在政府采购活动中,采购人员及相关人员与供应商有利害关系的,必须回避。五洲汉风网络是国家汉办直属机构:“这不是从左手倒腾到右手吗?”

据悉,国家汉办全称国家汉语对外推广领导小组办公室,与教育部对外汉语教学发展中心和孔子学院总部合署办公,是教育部直属单位。

中国互联网协会交流与发展中心主任、无限信息服务专业委员会副秘书长胡延平称,做这样一个网络孔子学院网站“任何一个个人站长来做,连10万都用不了”。

国家汉办:中标价不只包括建设资金

国家汉办综合处工作人员解释,“网络孔子学院网站”运营服务所需费用,并不单指网站建设所需资金,也包括后期开发和推广等方面的经费。

“额度是招标得来,并不是预先拟定的。”该工作人员表示,中标的五洲汉风网络确为下属单位,但其参加招标并不违反规定。投标过程依法进行,中标结果合法有效。

专家:采购信息应细化公开内容

中国人民大学法学院刘俊海教授认为,政府采购招投标只要相关单位具备资质和条件,都可以参加。需要回避的是“与供应商有利害关系的采购人员及相关人员”,而非采购单位和供应商。

刘俊海说,目前监管部门对于政府采购信息的公开过于简单。相关政府部门应该细化公开内容,满足公众行使知情权和监督权的需要。

■ 背景

中标公司在截标前3月注册

法定代表人与国家汉办副主任同名同姓

昨天,凤凰卫视主持人闾丘露薇在博客援引好事者的调查资料称,昨天上午还无法通过搜索引擎和网络工商资料查询到的中标企业“五洲汉风网络科技(北京)有限公司”,昨天下午已经可以被查出,注册资金为600万元,法人代表为王永利。另外一家名为“五洲汉风教育科技(北京)有限公司”,在昨天上午时,注册资本为25万元,下午则变成注册资本200万元,法人代表为胡志平。

另据记者了解,上述两家公司法人代表王永利、胡志平,均与国家汉办的两位副主任同名同姓。工商资料显示,五洲汉风网络的注册时间是2009年9月9日,仅在孔子学院网站的招标截止时间12月9日之前三个月。(来源:新京报)

早前报道:

 

相关阅读:

我国拟规定政府采购者与供应商不得有三代血亲

我国将对政府采购供应商设红线 违者列黑名单

政府采购法实施条例避免采购成权力寻租工具

我国将对政府采购供应商设7条“红线”

我国拟公开政府采购信息 涉及国家秘密除外

中央纪委:去年政府采购额预计达到6000亿元

 

 

转载于:https://www.cnblogs.com/JiangHuakey/archive/2010/12/07/1899477.html

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值