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
卸任台北市长 柯文哲重回台大医院报到******
中新网12月26日电 据台湾“中央社”报道，刚卸任台北市长的柯文哲26日重回台大医院报到上班。他表示，办公室还是在地下4楼，今天去人事处、外科部报到；至于办理退休时间，柯文哲表示，还要去跟人事处谈。
柯文哲26日重回台大医院报到上班，上午提着公文包走出家门，在幕僚陪同下步行前往台大医院报到。
柯文哲说，今天有很多事要做，要去人事处、外科部报到，一样一样来，全部做完大概就一天了。
柯文哲8年前任职台大医院时，研究室在地下4楼，媒体好奇是否仍维持同一间。柯文哲表示，他跟台大医院说办公室用旧的就可以；原本研究室脏得跟垃圾堆一样，但医院找人连夜打扫，已经干净许多。
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
天下彩票地图 |
)