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
全国教育工作会议提出2023年人才培养“关键词”******
新华社北京1月12日电(记者施雨岑、徐壮)采取中高职贯通、中高本衔接、完善专升本考试办法和培养方式、探索支持高水平本科学校参与职业教育改革等措施，加快探索高校分类管理评价机制改革，继续把“双减”摆在突出位置来抓……教育部12日召开2023年全国教育工作会议，教育部部长怀进鹏提出今年人才培养“关键词”。
“新的一年，我们要推动立德树人根本任务取得新的重要进展，加快建立健全促进学生身心健康、全面发展的长效机制，在全面建设社会主义现代化国家的新征程中培养担当民族复兴大任的时代新人。”怀进鹏说。
会议提出，要继续把“双减”摆在突出位置来抓；要采取中高职贯通、中高本衔接、完善专升本考试办法和培养方式、探索支持高水平本科学校参与职业教育改革等措施，让职业教育早期分流的学生通过纵向贯通、横向融通的体系设计获得“回流”的可能，让不同禀赋的学生能够多次选择、终身学习、多样化成才。
高等教育方面，要与国家战略、区域经济社会发展需求充分对接，全面提高人才自主培养质量。要加快探索高校分类管理评价机制改革，相应调整资源配置方式，引导高校克服“大而全”“同质化”等问题，在不同“赛道”上办出特色、办出水平。
此外，会议要求稳妥推进考试招生制度改革，深入实施“强基计划”，规范和完善特殊类型考试招生工作，进一步发挥科学选才作用。
会议还部署了今年起在全国开展青少年读书行动等事项。
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
天美彩票地图 |
)