快三平台_快三平台

中国女足吹响集结号 主帅：今年三大比赛任务都很重******

　　为备战女足世界杯、杭州亚运会、巴黎奥预赛，中国女足于1月26日在位于广州番禺的广州足球俱乐部基地重新集结，从而成为农历兔年首支吹响集结号的国字号球队。主教练水庆霞为带队做好本期集训工作，并打好4场安排在西班牙进行的国际热身赛，累计征调了34名球员。其中包括王霜、唐佳丽两位在海外俱乐部效力的主力球员在内，共28名球员参加国内阶段的训练。由于各项大赛参赛人数均受到严格限定，教练组将结合训练与实战的情况，对现有阵容进行适度精简，这也意味着中国女足农历新年的备战工作将以激烈的内部竞争为开端。

　　虽重夺亚洲冠军

　　复兴之路仍漫漫

　　在刚刚过去的农历虎年中，中国女足无疑是各男、女国字号球队中，成绩最优秀的一支。在去年1月下旬至2月初印度进行的女足亚洲杯比赛中，中国女足一路过关斩将，最终在决赛中逆转取胜韩国队，从而时隔16年后重夺赛事冠军。从过去一年时间里的运行情况来看，中国女足在中国足协支持以及以名宿水庆霞为主帅的教练组指挥下，已经回归到正常的发展轨道上来，她们也重新唤起了广大国内球迷的希望。

　　不过，在飞速发展的当今国际女子足坛，没有哪支球队可以安逸地躺在功劳簿上。中国女足虽重夺亚洲杯桂冠，但夺冠除得益于全队上下辛勤付出外，亦存在运气的成分。比如中国女足在亚洲杯半决赛对阵日本队、决赛对阵韩国队时，取胜过程跌宕起伏，甚至一度陷入场面被动。此外，中国女足在当届赛事中未曾遭遇劲敌澳大利亚队，而作为亚足联各会员协会女足代表队中排名最高的朝鲜女足未能参赛。因此，对于中国女足重夺亚洲杯冠军，无论中国足协，还是水庆霞教练团队都保持着比较清醒的认识，中国女足欲实现复兴，长路漫漫。

　　保障人员配置充足

　　实力终是重要砝码

　　也正是眼见未来国际女子足球竞争形势渐趋严峻，中国女足于去年12月5日便在海口市开启了新周期备战的序幕。在上期集训于今年1月20日(农历虎年腊月二十九)结束后不到一周，球队便于1月26日(农历正月初五)在广州番禺吹响农历新年的第一声集结号。

　　考虑到中国女足在今年这个大赛年里将相继投入到女足世界杯、杭州亚运会女足赛、巴黎奥运会女足亚洲区预选赛3项重大赛事，中国足协为球队提供了最大限度的支持。以服务保障人员配置为例，协会特邀连续在国字号男、女足球队工作20年左右的队医，现河北足球俱乐部队医张鹏担任本届中国女足主治医生，而另一位队医伊青，在此之前也多次为U23等国字号男、女球队提供医疗服务。此外，球队除正常配备教练团队成员外，还分别邀请到两名体能教练、3名专职科研与技战术分析人员。

　　当然，实力始终是球队大赛最重要的竞争砝码。按照中国足协公布的集训通知，累计有34名球员入选新一期中国女足集训阵容，其中包括王霜、唐佳丽两名在海外俱乐部效力的主力攻击手在内，共28名球员参加国内部分的集训。张琳艳等6名海外俱乐部球员则将于2月10日以后，也就是球队抵达西班牙后，赴当地与球队会合。

　　下月热身赛程紧密

　　球员之间竞争激烈

　　按照计划，中国女足抵达西班牙后，将分别于2月14日VS西班牙皇家贝蒂斯俱乐部女足、2月16日VS瑞典女足、2月19日VS西班牙维瓦尔竞技女足、2月22日VS爱尔兰女足。考虑到本次西班牙之旅热身场次相对较多，且赛程紧密，上述34名球员可能全部或绝大多数赴西班牙参赛。不过，与去年卡塔尔男足世界杯一样，本届女足世界杯各参赛队每支至多报名26名队员，而杭州亚运会女足赛、巴黎奥运会女足预选赛各参赛队报名球员人数上限无论是否与往届保持一致，其具体人数都不会超过26人。因此中国女足接下来在辛勤备战同时，球员之间也会展开良性而激烈的竞争。

　　按照惯例，中国女足主帅水庆霞在全队集中日当天会向弟子们做“动员”讲话。她表示：“今年中国女足的三大比赛任务很重，我们的训练要求会比以往更加严格。教练组和队员之间相互信任，达成了统一的目标。我们将做好充足准备，全力以赴踢好每一场比赛。”

　　北京青年报 文/本报记者 肖赧 统筹/杜锐

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）