山西女篮开放训练备战常规赛末段赛程******
中新网太原2月3日电 (记者 胡健)2日下午，山西竹叶青酒女篮举行媒体开放日活动，年轻的女篮队员们进行了投篮、战术演练、分组对抗等系统训练，以备战接下来的常规赛末段。
目前，山西竹叶青酒女篮排名B组第二，还剩三场常规赛。分别是2月9日对阵陕西女篮；2月11日对阵东莞女篮；2月13日对阵天津女篮。将根据赛果确定最终排名，排名前12将进入季后赛。
山西竹叶青酒女篮主教练塞萨。 韦亮 摄2022年10月1日，在2022年女篮世界杯对阵美国队的决赛上，武桐桐在突破中受伤倒地，中途退出了比赛。一个月后，武桐桐进行了手术。目前，武桐桐仍在北京进行康复，预计下赛季开始前将归队训练。
武桐桐受伤后，曾入选国家队的老将赵志芳身上的担子更重了。“作为球队老将，在场上还是要尽可能地带动年轻球员，把武桐桐的那份责任扛起来。”赵志芳说。
山西女篮队员在训练中。 韦亮 摄山西女篮主教练塞萨介绍，1月25日，球队就开始集结训练。这段时间主要是针对球员的体能恢复，慢慢寻找比赛的感觉。塞萨认为，目前球队的年轻队员里，最具天赋的就是张懿，不仅是球技方面，球商方面也很出色，相信在接下来的比赛会有更大的进步。
山西女篮主教练塞萨为队员们讲解战术。 韦亮 摄山西竹叶青酒女篮副总经理兼领队李剑飞表示，整体上大家还是按着赛季开始前的计划进行，这个赛季武桐桐受伤，是球队新老交替的一个好机会，很多年轻球员得到锻炼。希望下赛季，在阵容齐整的情况下，特别是有机会恢复主客场之后，打出更好的成绩。(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 彩多多地图 |
