百姓彩票技巧_百姓彩票骗局

文旅部：文化和旅游行业8项疫情防控工作指南即日起废止******

　　中新网1月11日电 据文旅部网站消息，文化和旅游部办公厅11日发布关于落实新型冠状病毒感染“乙类乙管”做好文化和旅游行业疫情防控工作的通知(以下简称通知)。通知指出，自本通知印发之日起，文化和旅游行业8项疫情防控工作指南同时废止。

　　通知要求，准确把握“乙类乙管”总体方案精神。3年来，文化和旅游行业认真贯彻落实党中央、国务院决策部署，因时因势优化调整行业疫情防控政策，统筹疫情防控和行业恢复发展取得积极成果。

　　当前，随着病毒变异、疫情变化、疫苗接种普及和防控经验积累，我国新型冠状病毒感染疫情防控工作进入新阶段，面临新形势新任务。各地文化和旅游行政部门要进一步提高政治站位，坚持人民至上、生命至上，坚持科学防治、精准施策，坚持常态化防控和疫情严重期间应急处置相结合，平稳有序实施新型冠状病毒感染“乙类乙管”后的防控政策，统筹疫情防控和行业发展。

　　通知明确，认真落实“乙类乙管”总体方案要求。新冠病毒感染实施“乙类乙管”后，工作重心从“防感染”转到“保健康、防重症”，从风险地区和人员管控转到健康服务与管理。实施“乙类乙管”，不是放开不管，而是强调更加科学、精准、高效做好疫情防控，更好统筹疫情防控与经济社会发展。

　　各地文化和旅游行政部门要结合当地实际，制定实施“乙类乙管”后行业疫情防控措施和疫情严重时的防控措施，确保各项疫情防控要求落实到位，保障文化和旅游活动正常开展，人员有序流动。要指导公共文化单位、文化和旅游经营单位做好场所、活动的常态化疫情防控，科学佩戴口罩，做好清洁消毒和通风换气，降低病毒传播风险。疫情严重期间，可适时依法采取临时性的防控措施，及时应对、果断干预、科学处置。

　　通知指出，扎实做好宣传引导和人员健康管理。各地文化和旅游行政部门要加强对优化调整政策的解读，引导全行业客观认识我国防控政策措施优化调整的科学性和必要性，筑牢群防群控基础。充分发挥传统媒体和网站、微信、客户端等互联网平台的作用，全方位、多渠道开展新型冠状病毒感染防控知识宣传引导。

　　强调“每个人都是自己健康的第一责任人”，引导工作人员、参与文化和旅游活动人员自觉遵守防疫有关规定，坚持勤洗手、戴口罩等良好卫生习惯。开展工作人员培训，提高疫情防控意识和服务水平。提醒参与文化和旅游活动人员关注自身健康状况，做好个人防护。

　　通知称，切实加强组织领导。各地文化和旅游行政部门要强化责任担当，组织落实好“乙类乙管”各项疫情防控措施，科学精准做好疫情防控工作。要加强对公共文化单位、文化和旅游经营单位的指导，明确工作目标，细化工作要求。要开展督导检查，及时发现问题并督促整改，确保各项疫情防控措施落实到位。公共文化单位、文化和旅游经营单位要认真落实疫情防控主体责任，执行实施“乙类乙管”后行业疫情防控措施，推动各项工作有序开展。

　　通知还表示，自本通知印发之日起，文化和旅游行业8项疫情防控工作指南同时废止。

　　附：文化和旅游行业疫情防控工作指南废止目录

　　一、旅行社新冠肺炎疫情防控工作指南(第六版)

　　二、娱乐场所新冠肺炎疫情防控工作指南(第六版)

　　三、剧院等演出场所新冠肺炎疫情防控工作指南(第七版)

　　四、互联网上网服务营业场所新冠肺炎疫情防控工作指南(第六版)

　　五、剧本娱乐经营场所新冠肺炎疫情防控工作指南(第三版)

　　六、旅游景区疫情防控措施指南(2022年12月修订版)

　　七、公共图书馆、文化馆(站)疫情防控措施指南(2022年12月版)

　　八、社会艺术水平考级现场考级活动疫情防控措施指南(2022年11月修订版)

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）