美国加州枪击事件致6人死：6个月大婴儿中弹身亡******
中新网1月17日电 综合外媒报道，当地时间16日凌晨，美国加利福尼亚州图莱里县发生一起大规模枪杀事件，造成至少6人死亡，其中包括一名17岁的母亲和她6个月大的婴儿。当局称这起事件与帮派仇杀有关。
图为当日凌晨，图莱里县治安官办公室警员在案发现场展开调查。 中新社发 图莱里县治安官办公室 供图据《纽约时报》报道，加州图莱里县警长办公室消息称，当天凌晨约4:00，该地发生一起大规模杀戮事件，造成至少6人死亡，其中包括一名母亲和她6个月大的婴儿。
当地警长迈克·布德罗称，警方接警后发现了6名死者，其中2人是在街上发现的，一人在枪击发生地的门口。他说，17岁的母亲抱着婴儿，两人均是头部中弹，另有2名女人躲在附近的拖车里幸免于难。
“我们不认为这是一起随机的暴力行为，”警长布德罗在新闻发布会上说道。“我们认为这是非常有个人针对性的。”布德罗补充说，枪击事件中至少有两名男性嫌疑人，并称“这一事件涉及帮派仇杀”。
布德罗指出，一周前，警察刚刚在这所房子里执行了毒品搜查令。他认为这次袭击与贩毒集团有关。
报道称，近年来，图莱里县官员逮捕了多起与贩毒有关的人。2020年曾查出一批价值超过150万美元的毒品。
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 凤凰快三地图 |
