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
刚回应完又发现更多机密文件 拜登“文件门”继续发酵******
中新网1月12日电 据美国全国广播公司(NBC)当地时间11日报道，继美媒曝光去年秋季在美国总统拜登以前的私人办公室内发现其任副总统时期的10份机密文件后，拜登的助手在另一地点又发现了新的涉密文件。
资料图：拜登。消息人士表示，自去年11月在拜登此前使用过的办公室中发现带有机密标记的文件后，拜登的助手们一直在拜登使用过的其他地点寻找是否还有机密文件。
目前尚不清楚第二批文件的保密级别、数量和确切位置，也不清楚文件是何时被发现的，以及对拜登可能从奥巴马政府获得的任何其他机密文件的搜索是否已经完成。白宫和美国司法部未置评。
据此前报道，消息人士称，去年秋季，在拜登以前的私人办公室内发现其任美国副总统时期的10份机密文件，包括美国情报备忘录和简报材料，涉及乌克兰、伊朗和英国等议题。
拜登10日回应称，他对在华盛顿智库的办公室内发现的机密文件感到“惊讶”，并不知道文件中有什么。
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
500快三地图 |
)