乐发lv软件_乐发lv返点

郑钦文晋级将战温网冠军******

　　广州日报讯 (全媒体记者 孙嘉晖)北京时间1月10日，2023年WTA500阿德莱德赛第二站继续女单首轮的争夺，中国小将郑钦文以4比6、6比4和6比0逆转美国球员罗杰斯，闯进第二轮，她将挑战2届温网冠军科维托娃。

　　新赛季热身赛，郑钦文选择了在阿德莱德连打2站比赛，首站并不顺利，第2轮不敌2届澳网冠军阿扎伦卡。

　　第二周再战，郑钦文还在调整状态，但身体却出现了状况，比赛中一度出现左大腿不适症状，申请了医疗暂停并接受医务人员包扎，随后她状态大勇，盘末连赢8局逆转罗杰斯。第二轮，郑钦文将对阵两届大满贯得主科维托娃，这也是她转职业以来对阵的第11位大满贯冠军球员。

　　作为正在冉冉升起的超新星，郑钦文有足够的资本将目标定得更高，目前她的即时排名来到第28位，赛季目标是打进TOP10。

　　上一周不敌2届大满贯冠军阿扎伦卡，本周郑钦文再度挑战2届大满贯冠军科维托娃，之前她曾与斯瓦泰克、哈勒普、大坂直美、阿扎伦卡等10位大满贯冠军有过交手，战绩为6胜7负。

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）