图为青海省第十四届人民代表大会第一次会议第二次全体会议在青海西宁举行。 祁增蓓 摄
在维护人民群众生命财产安全方面,青海审结故意杀人、抢劫等严重暴力犯罪案件696件,盗窃、诈骗等多发性侵财案件6079件。特别是格尔木市法院审结了青海省首例跨国“杀猪盘”电信网络诈骗案,重拳打击电信网络诈骗犯罪,有效遏制了电信网络诈骗犯罪的滋生蔓延,取得了良好的社会效果和法律效果。
同时,依法严惩腐败行为,一审审结张伟、王丽、任三动等职务犯罪案件381件,判处罪犯438人。并认真组织开展涉诉涉法信访积案集中清理和执行积案集中清理专项行动,化解了一批风险隐患。
报告显示,五年来,青海坚持罪刑法定、疑罪从无原则,依法宣告56名公诉案件和24名自诉案件被告人无罪;贯彻宽严相济刑事政策,依法判处缓刑等非监禁刑7425人,减刑、假释12472人,对225名被告人免予刑事处罚;认真落实律师辩护和代理意见制度机制,实现了刑事案件律师辩护全覆盖。(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
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |