林书豪4日抵台 最快12日披钢铁人战袍首秀******
中新网2月1日电 据台湾“中央社”报道，此前，美籍华裔篮球运动员林书豪宣布加盟台湾职业篮球联赛Plus League(PLG)联盟高雄钢铁人队。他今天(2月1日)在个人社交媒体宣布，预计2月4日抵台，将视身体状况，希望最快能在2月12日当天比赛上场。
资料图：林书豪。 中新社记者 侯宇 摄林书豪表示，以往会在机场与球迷见面或给球迷签名，但因现行防疫规定，因此今年无法像过去一样，他必须从另外一个出口入境，对于无法与球迷见面，他也表达遗憾和抱歉。
林书豪指出，他在2月4日至11月期间，必须保持安全社交距离，也代表着不能参加比赛与去球馆。
尽管将错过2月11日主场高雄市凤山体育馆与效力于新北国王的弟弟林书纬的“兄弟对决”，林书豪仍期待能赶上2月12日的比赛，但能否出赛，届时还需与球团讨论与视身体状况而定。
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 吉好彩票地图 |
