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
国台办：希望台方优先恢复台胞反映集中的两岸直航航点******
中新网2月1日电 国台办发言人朱凤莲2月1日应询表示，希望台湾方面珍惜两岸空中直航来之不易的成果，采取务实措施，优先恢复台胞反映集中的两岸直航航点，持续推动两岸航线恢复正常运转，造福两岸同胞。
记者问：据悉，大陆航空主管部门已通过两会协议联系渠道促请台方恢复两岸直航航点。请予证实，并说明有关考虑。
朱凤莲称，2月1日，大陆航空主管部门已通过《海峡两岸空运协议》联系渠道致函台湾方面表示，当前，两岸疫情均已平稳，是进一步恢复两岸航线正常运营的有利时机。希望贵我双方相向而行，推动两岸航线恢复正常运转，可优先考虑恢复台胞反映较为集中的广州等16个两岸直航航点。
我们认为，当前，大陆疫情已得到很好的控制，台湾同胞完全可以安心前来学习、工作、创业、生活。两岸同胞对实现正常交流往来的意愿强烈，我们高度重视并已全面做好相关准备。我们希望台湾方面珍惜两岸空中直航来之不易的成果，采取务实措施，优先恢复台胞反映集中的两岸直航航点，持续推动两岸航线恢复正常运转，造福两岸同胞。
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
大发平台地图 |
)