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
仲秋元同志逝世******
新华社北京1月19日电 原文化部副部长、党组成员仲秋元同志，因病于2022年12月28日在北京逝世，享年102岁。
仲秋元同志逝世后，中央有关领导同志以不同方式表示哀悼并向其亲属表示慰问。
仲秋元，1920年9月生，江苏苏州人。1938年4月参加革命工作，1945年12月加入中国共产党。1938年4月起先后任新出版业联营书店经理、三联书店重庆分店经理等。1947年6月被捕，被关押在渣滓洞集中营。1949年3月被组织解救出狱。1949年6月起先后任三联书店总管理处秘书处主任，新华书店总店图书发行部主任，出版总署发行管理局计划科科长等。1954年10月起先后任文化部计划财务司副司长、办公厅副主任、党组秘书等。“文化大革命”中受冲击下放“五七”干校劳动。1973年11月起先后任中央美术学院党委书记、革委会主任，文化部教育司副司长、办公厅主任。1981年3月至1986年3月先后任文化部副部长、党组成员兼办公厅主任，文化部副部长、党组成员。2001年4月离休。(新华网)
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
玛雅彩票地图 |
)