天成彩票|天成彩票

加强网络安全教育 护航青少年健康成长******

　　“网络安全问题备受关注，加强网络安全教育，提升青少年的网络安全意识与能力已迫在眉睫。”1月3日，政协北京市朝阳区十四届第二次会议期间，北京市朝阳区政协委员蔡萍接受记者采访时表示，当今的青少年是“数字化一代”，在享受网络“红利”的同时，也容易受到网络的不良影响。

　　蔡萍表示，网络内容真假难辨，青少年在使用网络信息时可能会受到不良、不可信等网络信息资源内容的负面影响。而隐私泄露、网络欺诈、网络霸凌等各类网络安全问题已经成为影响青少年身心健康成长的重大隐患。

　　针对上述问题，蔡萍认为，在网络安全教育内容的选择上，应聚焦更新陈旧的安全观念，然后才有可能强化、提升青少年的网络安全知识与技能，让青少年在使用网络过程中及时辨别不安全因素。

　　当前还存在专业师资不足及专业教材短缺的情况，如何破解？蔡萍建议，在师资紧张的情况下，应落实现有思政、信息技术、心理健康教材中原有相关内容，或者在此基础上加入网络安全意识、网络道德教育等相关内容，从培养、增强青少年的网络安全意识着手，逐步开展网络安全教育。

　　“形式生动有趣、内容贴近的网络安全教育更容易吸引青少年。”蔡萍进一步表示，实施网络安全教育要选取热点网络事件进行教学，才能有效提升青少年的网络安全综合能力，从而让他们学会客观看待、分析社会热点。（人民政协网记者 朱建华 谢阿愁 许义甫）

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）