三分快三平台-三分快三下载

唱歌、弹琴、“跳火圈” 选战把台政客逼成“才艺明星”******

　　【环球时报综合报道】台湾地区的选战日趋白热化，甚至逼得参选人不得不“能歌善舞”，拼命与民众拉近距离。因为，出席活动上台高歌，不仅能炒热气氛，更是博感情的最佳方法之一。

　　据台湾舆情网站“网络温度计”1日报道，通过数据分析统计，近一年10名最被岛内民众讨论“爱唱歌的政治人物”，结果第一名为前“卫生福利部部长”陈时中。2021年11月，岛内网络曾流传一段视频，画面中陈时中未戴口罩喝酒唱歌，后来又流出第二个视频，显示陈时中在三级警戒期间依旧“脱口罩高歌”，引发巨大争议。而闽南语歌手詹雅雯2020年举办小巨蛋演唱会时，也邀请陈时中同台飙歌；陈时中2022年竞选台北市长的后援会成立时，两人再度同台合唱。

　　排名第二的是民进党“立委”高嘉瑜。2022年10月，她南下嘉义助选连唱3首。排在第三的是前台北市长柯文哲，2022年3月他与前台北市副市长黄珊珊被爆在公共场合摘下口罩开唱，因违反防疫规范而受罚。去年12月底卸任前，柯文哲在台上高歌《囚鸟》，更笑说“不用当市长可以自由了”。今年1月，台北内湖科学园区岁末联欢晚会，柯文哲与高嘉瑜和台北市长蒋万安同场飙歌。

　　前高雄市长韩国瑜排在第四，2018年他参选高雄市长造成一股“韩流”席卷全台，只要是韩国瑜的竞选场合，支持者都会大唱《夜袭》，意外让这首军歌爆红。第五名是台北市议员徐巧芯，她曾在去年11月参加时任国民党台南市长候选人谢龙介募款餐会时，演唱王心凌的《爱你》。

　　台北市长蒋万安名列第六，去年10月他发布竞选主题曲《无限·台北》，希望唤醒不同世代台北人的光荣感。高雄市长陈其迈排名第九，喜欢唱《红豆》，不过经常跑调。歌手出身的“立委”林昶佐列第十，他当选后反而很少以歌手身份表演，大多是竞选时与选民唱歌互动累积人气。

　　针对这份排名，蒋万安1日回应称，“谢谢网友评分”，他平常没有很多机会在现场唱歌，“大家可以多多提供歌单，让我多多练习”。徐巧芯表示不服气仅排第五，认为自己应该得第一，“不过没关系，2024选举过程中，大家还是可以持续看到我表现的机会”。

　　除了唱歌外，岛内政客还经常表演其他才艺。比如在民进党举办的募款餐会上，台北市议员王世坚曾表演拉小提琴，还有“立委”陈莹弹钢琴。2015年12月，新北市第四选区国民党“立委”参选人陈茂嘉，当众表演了绝技“跳火圈”，表明自己坚定的参选决心。能成功表演这些绝活，要归功于陈茂嘉的科班出身——30多年前，他曾入选小学体操队，保留节目还有翻跟头和劈叉。今年1月，有岛内网民在社交平台询问，“想到运动/才艺会联想到什么政治人物？”结果不少人回复说，王世坚的小提琴和马英九的游泳。

　　不过，台湾政客表演才艺，也经常引起争议。如“网络温度计”排名第七的新竹市长高虹安2019年与主持人朱学恒高唱《塔绿班之歌》，因唱出“绿畜”一词引发争议。2022年年底，高嘉瑜点评徐巧芯唱《爱你》的音色音准都不如她，同时还大跳《爱你》的舞步，隔空较劲意味浓厚。徐巧芯随即在脸书喊话，邀请高嘉瑜挑战天后张惠妹的《三天三夜》，有网民评论称“我们要看到血流成河”。

　　台湾东海大学地方自治研究中心执行长潘兆民表示，岛内政治人物没有热度的话，选民对其印象就不深，甚至记不住名字，要在选战中获胜恐有难度。因此，通过各种方法拉抬人气，争取曝光机会，无论是出席活动还是上台唱歌，都是让选民记住自己的方法，而唱歌明显可以带动现场气氛。不过也有分析称，政客这些做法只是为了选举，吸引选民关注，但说到底还是扎实的施政能让民众安心。(张若)

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）