y39彩票技巧-y39彩票平台

来源：y39彩票下载2024-01-30 17:48

y39彩票技巧

“我们这十年：2012-2022” 第六届中国图片大赛征稿启事******

　　用图片讲好中国故事，以影像传播中国声音。第六届中国图片大赛，以“我们这十年：2012-2022”为主题，面向社会征集反映党的十八大以来国家富强、民族和谐、人民幸福的影像作品，展现这十年我们的奋进之路和辉煌成就。

　　一、组织结构

　　主办单位：中国图片社、中华人民共和国国史学会、五洲传播中心、中央党校出版集团

　　协办单位：中国新闻摄影学会

　　承办单位：视点文化传播有限公司、中郁教育科技(集团)有限公司

　　支持单位(排名不分先后)：“学习强国”学习平台、党建网、光明网、中国青年网、中国经济网、中国日报网、中国新闻网、中国台湾网、中国西藏网、农视网、未来网、正义网、中国经济新闻网、中国银行保险报网、中国好故事、中国全球图片总汇、青春北京、传媒茶话会、《中国校外教育》杂志社、摄影世界杂志社、中国国际进口博览局、共青团中央青运史档案馆、中国民主党派历史陈列馆、中国现代文学馆、中国儿童中心、内蒙古自治区展览馆、辽宁省档案馆、三峡工程博物馆

　　二、征集内容

　　投稿作品以发生在身边的典型人物、典型故事为切入点，通过个人影像视角，以小见大，充分展示党的十八大以来，以习近平同志为核心的党中央领导全党全军全国各族人民寻梦、追梦、筑梦的动人故事，展示我国这十年经济发展、政治民主、文化繁荣、社会和谐、生态美丽等方面的多彩风貌。

　　三、征集时间

　　自征稿启事发布之日起至2022年10月15日。

　　四、奖项设置及稿酬

　　1.评委会大奖1名，稿酬30000元

　　2.典藏金奖10名，稿酬各8000元

　　3.典藏银奖20名，稿酬各5000元

　　4.典藏铜奖30名，稿酬各2000元

　　5.典藏优秀奖50名，稿酬各500元

　　6.媒体推荐奖10名，稿酬各500元

　　第六届中国图片大赛总稿酬含税30万元，由活动组委会代扣个人所得税。获奖作品均颁发荣誉证书。

　　五、作品要求

　　1.作品单幅、组照均可，组照每组5至10张。

　　2.作品为jpg格式数码照片，长边像素不低于2500，分辨率不低于300dpi。

　　3.所有作品须附20至500字的图片说明(组照须提供总说明和单幅照片分说明)。

　　4.作品除对影调、色彩适度调整及构图非主体部分剪裁外，对原始影像不进行任何足以影响其真实性、准确性的改动。拒绝合成、拼接形式的作品参赛。

　　5.投稿者应保证其为所投送作品的作者，并对该作品的整体及局部均拥有独立、完整、明确、无争议的著作权；投稿者还应保证其所投送的作品不侵犯第三人的包括但不限于著作权、肖像权、名誉权、隐私权等合法权益。投稿者应承担由其稿件和投稿行为所引发的一切责任。

　　六、投稿方式

　　请于2022年10月15日前通过赛事官网(http://chnphoto.org/)投送稿件。

　　七、评审方式

　　中国图片大赛专家评审委员会将根据参赛作品内容、质量、史料和传播价值进行综合分析评定，确定获奖作品，专家评审委员会有权根据参赛作品整体水平决定奖项空缺名额。组委会根据需要通知部分参赛者在规定时间内提交原片以供查验，逾期不提供者视为自动放弃入选资格。

　　八、特别声明

　　1.本项赛事不收参赛费，不退稿。

　　2.获典藏铜奖作品(含)以上奖项的获奖者不得重复。

　　3.大赛获奖作品将进行多场次、多种形式的展出。活动组委会有权对获奖作品的展示数量予以删减，对文字说明予以补充、修改。

　　4.所有投稿作品将自动存入中国图片大赛官网。对于获奖作品，主办、承办、支持单位有权在与中国图片大赛活动相关用途中，以复制、发行、展览、放映、信息网络传播、汇编等方式使用，并不再支付费用。

　　5.凡投稿者，即视为其已同意本征稿启事之所有规定。

　　6.大赛组委会对赛事所有流程、环节拥有最终解释权。

　　九、联系方式

　　投稿咨询：010-63076129(工作日8：00-17：00)

　　技术咨询：010-88052620(工作日8：00-17：00)

　　联系地址：北京市西城区宣武门外大街甲1号环球财讯中心A座(新华社三工作区)

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（）