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
马龙4:2战胜日本选手户上隼辅 国乒拿到世乒赛满额席位******
中新网1月11日电 北京时间11日，德班世乒赛亚洲区预赛展开排位赛较量。马龙4:2战胜日本选手户上隼辅，为中国队获得世乒赛决赛阶段参赛资格。国乒也拿到了世乒赛单打项目满额席位。
资料图：马龙在比赛中。 安源 摄此前，樊振东、王楚钦、梁靖崑和向鹏为中国队拿到世乒赛男单参赛资格，孙颖莎、陈梦、王曼昱、王艺迪、陈幸同在女单比赛中取胜，获得席位。
此次亚洲区预赛小组赛为淘汰赛，每个小组的胜者获得世乒赛名额。小组赛被淘汰选手将参加排位赛，世乒赛如有剩余名额，将根据排位顺序进行配额。
在此前单打小组赛第二轮比赛中，马龙苦战7局憾负日本选手吉村真晴，未能第一时间获得世乒赛参赛资格。而此次在排位赛中取胜后，他成功帮助国乒拿到了世乒赛单打项目满额席位。
2023年世乒赛决赛阶段比赛将于5月20日至28日在南非德班举行。(完)
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
彩神app地图 |
)