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
全国铁路连续7天发送旅客超千万人次******
央视网消息(新闻联播)：今天(2月1日)是春运第26天，全国铁路预计发送旅客1015万人次，连续7天发送量超千万人次，开行旅客列车9789列。
中老铁路旅客发送量连创新高，春节期间单日最高达到7.4万人次，11个车站推出空铁联运产品，不断提升旅客出行体验；全线开通运营以来，累计发送旅客突破1000万人次。
针对春运返程客流和极端天气对铁路设备造成的影响，各地抓紧天窗时间检修设备。哈尔滨通信段对管内高铁通信铁塔关键部位开展安全检查，确保春运极寒天气下高铁通信畅通；济南、郑州、武汉等机务段，对投入春运的机车进行全面检查和排查；针对春运期间钢轨荷载和磨耗加大的情况，南昆铁路加强全线排查。
国务院联防联控机制春运工作专班数据显示，截至今天，全国铁路、公路、水路、民航共发送旅客超9亿人次。（央视网）
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
凤凰微彩地图 |
)