图为“追龙”民俗活动现场。 黄文博 摄
当地村民介绍,每年正月十一,是“追龙”活动最为重要和热闹的一天。破晓时分,村民欢聚一堂从追龙广场出发到接灯亭接花灯,在此起彼伏的锣鼓声中,欢天喜地迎接花灯返回祠堂并完成上灯。
暮色降临时,新轮村村民们有序排队领取火把,一支追龙队伍“火炬龙(明龙)”在众人的欢呼雀跃和簇拥下登场。长龙精准灵动地踩着快、慢、轻、重的音乐鼓点,忽而翘首仰视,忽而低头环顾,时而回首匍伏,转瞬又摇头摆尾,千姿百态,妙趣横生。
图为“追龙”民俗活动现场。 黄文博 摄活动当晚,火炬龙(明龙)从新轮村文化广场开始舞动,一条蜿蜒雄浑的“火焰长龙”在上莞镇夜空盘旋。烟花、鞭炮随着火炬龙一路行进,沿途早已等候多时的村民点燃鞭炮,喜迎火炬龙的到来,祈盼来年风调雨顺、丁财两旺。
据悉,2022年,东源县上莞镇新轮村“追龙”成功列入广东省第八批省级非物质文化遗产代表性项目名录。(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) [责编:天天中] 阅读剩余全文() |