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
防止霍乱疫情传入我国 海关总署发布2023年第3号公告******
中新网1月11日电 据海关总署网站消息，海关总署公告2023年第3号(关于防止霍乱疫情传入我国的公告)称，据世界卫生组织(WHO)2022年12月16日通报，2022年全球霍乱病例和死亡病例在连续多年下降后出现激增，超过29个国家暴发霍乱疫情或报告了霍乱病例，其中尼日利亚、喀麦隆、马拉维、刚果(金)、肯尼亚、埃塞俄比亚、索马里、海地、叙利亚、黎巴嫩、菲律宾、孟加拉国、阿富汗等国家霍乱持续流行。
为防止霍乱疫情传入我国，保护出入境人员的健康安全，根据《中华人民共和国国境卫生检疫法》及其实施细则等法律法规的规定，现发布公告如下：
一、来自上述国家的人员，如出现腹泻、呕吐等症状，入境时应主动向海关申报，海关卫生检疫人员将按规定程序采取医学措施并开展采样检测。
二、来自上述国家且有染疫或染疫嫌疑的航空器、船舶、集装箱、货物，应按规定程序接受卫生处理。
本公告自发布之日起生效，有效期6个月。
海关总署网站截图
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
快三平台地图 |
)