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
美众议院特别调查委员会：将就国会山骚乱事件传唤特朗普******
中新网10月14日电 综合美媒消息，当地时间13日，美国国会众议院特别调查委员会经投票一致决定，就国会山骚乱事件传唤前总统特朗普。
资料图：美国前总统特朗普。据报道，众议院特别调查委员会13日举行了第九场听证会，委员会的9名委员投票一致同意传唤特朗普。
该委员会主席、美国国会众议员本尼•汤普森称，特朗普“必须为自己的行为负责”。
据报道，投票之前，委员会提交了针对此案的全面总结，其中包括特朗普当时的状态，以及他在事件中扮演角色等细节。
此外，听证会上播放了多位特朗普政府内阁成员的证词，以及1月6日国会山骚乱事件发生时，众议院议长佩洛西、参议院民主党领袖舒默在混乱中从国会大厦撤离和寻求帮助的视频画面等。
特朗普方面目前未就此发表意见。
美国有线电视新闻网(CNN)在报道中称，共和党此前表示，如果能在11月的中期选举中重新获得众议院多数席位，他们将关闭这一由民主党运作的委员会。
2021年1月6日，在国会清点总统大选选举人票期间，大批特朗普支持者暴力冲击国会，造成至少5人死亡。在经历近一年的调查取证后，众议院特别委员会从今年6月9日起开启针对国会山骚乱事件的系列公开听证会，预计该委员会将在今年12月发布国会山骚乱事件调查的最终报告。
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
一分快3地图 |
)