公海彩船app交流群|公海彩船app玩法

避重就轻遮遮掩掩，推卸责任毫不含糊，民进党败选检讨没提蔡英文******

　　【环球时报特约记者 陈立非】民进党“九合一”败选检讨报告终于出炉，罗列了疫情、通胀、论文案、“黑金”以及“抗中保台”失灵等败选原因，认为民进党在青年与中间选票上的流失是这次地方选举挫败的主要原因。但报告通篇没有提蔡英文和台“行政院长”苏贞昌，被批根本就是避重就轻。

　　“抗中保台”牌失效归咎俄乌

　　民进党败选检讨报告共10549字，摘要版3843字。据台湾《联合报》29日报道，检讨小组召集人郑文灿称，在疫情方面，内需型中小企业、观光旅宿业、一般商家受冲击最大，当局通过纾困振兴方案在前两年虽发挥作用，但第三年的补助金额及适用对象是否忽略最基层产业、商家需求及民众感受，可能成为纾困振兴成效未能彰显的主因。与此同时，购买境外疫苗、自产疫苗、疫苗分配等议题也成为在野党抨击重点，无形中让民众结合生活经验，从疫苗攻防的混乱情况获得较多对民进党不利的信息，进而影响选战。关于“抗中保台”牌失效，郑文灿归咎于俄乌冲突，称台湾民众对安全关注度提高，引发兵役期是否改变的热烈讨论，难免会让在野党顺着“抗中保台”口号负面操作，制造“票投民进党，青年上战场”的恐惧，且俄乌冲突造成国际通胀，影响到人民生活感受。他还声称，选战过程中“黑金”议题扭曲了民众对民进党的印象，也冲击选情。

　　值得关注的是，前新竹市长林智坚的论文抄袭事件，蔡英文要全党力挺，但检讨报告根本未出现“蔡英文”3个字或“党主席”字眼以及她须负的责任。郑文灿对此未回答，仅表示检讨报告中已把这些诚信问题等标示清楚，包括采取立场有哪些不足及停损点设定、对选票造成影响等。林智坚28日晚在脸书发文称，败选检讨报告中他是唯一被具名提及的人，他愿意承担责任，也再次向民众与支持者“表示最深切的歉意”。

　　“抓一些稻草人来打”

　　“绿营败选检讨报告笑死人”，国民党“立委”赖士葆29日称，这份报告没有诚挚究责，甚至还检讨起了在野党，变成一篇不痛不痒的剖析报告，完全不见政治责任，也不敢碰触蔡苏。他嘲讽说，报告“抓一些稻草人来打”，简直是今年年终最大的政治笑话。国民党文传会副主委林家兴表示，民进党败选至今行政部门竟然仍未改组、苏贞昌仍未下台，令人感受不到其反省的决心。民众党“立法院”党团总召集人邱臣远直言，这份败选检讨报告避重就轻，并未深入探究原因且反省，像是给民进党支持者和同温层看的。

　　就连绿营内部也不认同。民进党“立委”何志伟29日称，这份检讨报告只是走个形式，民进党应该思考未来要做些什么，未来的展望是什么。民进党前副秘书长、“台湾民意基金会”董事长游盈隆称，从蔡英文时隔745天才允许记者提问，在回应要不要为处理林智坚“论文门”道歉时大打太极就看得出来，她根本无意检讨，更别说道歉了，“民进党真能写出像样的败选检讨报告才怪”。

　　民进党前“立委”沈富雄29日直言，若他是审查者，这份报告他会直接退回，不打分数，因为“党团、媒体、侧翼，都没点名”，也不敢动蔡苏。他更形象地以“验尸报告”的方式，分析这份败选报告。沈富雄说，败选的民进党就像一具尸体，郑文灿是要厘清“死因”的病理科医师，“解剖死者”后所写的验尸报告就是这份检讨报告。结果报告发现，“死因”是跌倒造成的大腿骨骨折没接好，“死者”自己也没注意，最后引发并发症去世，却没有追究医院救治的责任以及为何在这么多人中偏偏是“死者”出意外。

　　蔡英文难辞其咎

　　不少岛内网民大骂“完全不提全党挺抄袭，检讨个鬼……这报告一点用都没有”，还有人说，“不敢检讨蔡英文，这份报告就是废文一篇”。

　　《联合报》29日称，“九合一”惨败一个月后，民进党检讨报告出炉，虽然点出“黑金”问题严重，却不见党内哪些人是其中代表，列出“论文门”是败选主因之一，却对于党内最高层级、被舆论视为罪魁祸首的蔡英文和苏贞昌的责任只字未提，“如此自缚手脚的检讨报告，真的切中要点了吗？”文章称，蔡英文虽然在开票当天辞去党主席，但她的责任岂可随辞职而一干二净？更遑论苏贞昌至今留任，到底为无感施政负了什么责，对忽视民众感受负什么责？民进党若在大败之后仍执意捍卫蔡英文，恐怕写再多检讨报告也难拾民心。

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）