继续号召西方军援，泽连斯基：“俄罗斯想报复”******
中新网2月4日电 综合外媒报道，当地时间3日，乌克兰总统泽连斯基继续号召“伙伴国”军援乌克兰，称“俄罗斯想要报复”，并称如果武器得到加强，将于2月底或早春发动大规模反攻。
资料图：乌克兰总统泽连斯基。据“今日俄罗斯”(RT)报道，当地时间3日，在基辅举行的欧盟-乌克兰峰会后的新闻发布会上，被问及乌克兰当局在今年2月底准备做什么时，泽连斯基回答称，“我们正在准备之中。”
“我们的情报部门和军方认为，乌克兰东部的压力将会增加。俄罗斯想要在此前失败的地方加以报复。而这次报复正是他们真正需要的。我们的任务就是不给他们这样的机会，直到我们的军队得到适当的武器加强。我觉得我们有机会。”泽连斯基说。
此前，美国及其盟友已承诺向基辅提供主战坦克，包括美国的M1“艾布拉姆斯”、英国的“挑战者2”和德国的“豹2”等重型坦克，但交付这些坦克需要数周或数月的时间。
据此前报道，乌克兰国防部长列兹尼科夫表示，俄罗斯正在准备一场新的重大攻势，并警告说最快可能在2月24日开始。俄罗斯外交部长拉夫罗夫2日接受俄媒体采访时表示，俄罗斯拥有完成特别军事行动任务所需的一切。
俄罗斯卫星通讯社3日报道称，俄联邦安全会议副主席德米特里·梅德韦杰夫表示，俄罗斯将继续努力实现特别军事行动目标。
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 网投彩票地图 |
