玛雅彩票交流群-玛雅彩票下载app

老乘警最后一班岗：守护开往边城的列车安全******

　　覃业民在南宁站引导旅客有序上车。　蒋雪林　摄

　　(新春走基层)老乘警最后一班岗：守护开往边城的列车安全

　　中新网南宁1月11日电(胡宏蒋雪林)K9303次是广西南宁开往边城靖西的公益性列车，覃业民是南宁铁路公安局南宁公安处乘警支队的民警，他已经守护这趟列车8年，1月10日即将退休的覃业民将迎来他从警以来的最后一班岗。

　　覃业民(中)在检查消防设施。　蒋雪林 摄

　　地处云贵高原东南的广西靖西市与越南接壤，因风景秀美有着山水“小桂林”的美誉。过去由于交通不便，让许多游客望而却步。2016年1月南宁至靖西的K9303次列车开通，列车正常编组仅有6节车厢，全程283公里，运行3小时50分，停靠4个站点，正常票价仅需43.5元，最低票价仅9元，是游客们前往靖西、德保及沿线群众出行的主要交通工具。

　　覃业民在列车上和一名小朋友交流。　蒋雪林 摄

　　“由于这趟车来往于广西南宁和边城靖西之间，经常有越南的旅客乘坐。我们服务外籍旅客，要细致，要让外籍旅客感到舒适安全。”覃业民说，要服务好外籍旅客，就要了解每位外籍乘客的目的地，到站要提醒外籍乘客下车。

　　覃业民在查看一名外籍旅客的护照。　蒋雪林 摄

　　自列车开通运营以来，覃业民便是这趟列车的乘警。虽然列车开通时间不长，但是覃业民却是个经验丰富的老乘警，在他38年的从警生涯中有着近30年的值乘经验，先后值乘过南宁开往北京、成都等城市的多趟重点列车。“可以说，我的青春是在列车上度过的”覃业民说。

　　在广西靖西站，驻站民警黄中驮(左)向覃业民献花。　蒋雪林摄

　　列车就是一个缩小版的社会，形形色色的旅客在车厢内演绎着人生百态。30年间，覃业民值乘过许多列车，其中K9303的条件却是最为特殊的。由于列车票价亲民且直通边境，旅客客流受旅游淡旺季、务工返乡、学生放假等多重因素影响波动较大，而且旅客的人员成分相对复杂，对覃业民的工作带来了不小的压力。“只要上车精神时刻都是紧绷的”覃业民说。

　　覃业民手捧献花与列车合影留念。　蒋雪林 摄

　　值乘列车以来，覃业民办过许许多多的大小案件，有找回拿错行李的小事，也曾帮助旅客找回丢失的小孩，查获过数千克的毒品大案。

　　覃业民在办理退乘手续。　蒋雪林 摄

　　“这么些年，我最大的收获是工作被旅客肯定。”据覃业民回忆，前些年的一个春运，有一对夫妻带着孩子和很多行李坐车，当时人特别多，车厢里非常拥挤，夫妻两个人为了方便下车分别站在车厢的两头，双方都以为小孩在对方身边，直到下了火车两人碰面才发现小孩不见了。在车上的覃业民接到报警后立即在车厢内寻找，最后发现列车进站时小孩被锁在厕所里。当把孩子送到父母身边时，他们发自内心的感谢让覃业民至今记忆犹新。

　　支队领导向覃业民赠送象征着“一身警服、一生荣耀”的警礼服照片。　蒋雪林 摄

　　1月10日是中国人民警察节，也是南宁铁路公安局南宁公安处乘警支队乘警覃业民从警30多年的最后一班岗。覃业民的青春年华都奉献在南来北往的列车上，守护成千上万旅客的旅途平安。当天下午5时，从靖西返回的列车安全停靠南宁车站，覃业民顺利完成值乘任务，也给自己的警察生涯画上了圆满的句号。

　　覃业民帮旅客将行李放到行李架上。　蒋雪林 摄

　　南宁铁路公安局南宁公安处在车站为覃业民进行了简单的庆祝仪式，退乘后支队领导向他赠送了象征着“一身警服、一生荣耀”的警礼服照片，并为他多年默默坚守和无私奉献表示衷心的感谢。(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）