乐发快3 - 乐发快3

传来“喜兔”吉祥的表情******

　　兔年快乐（装饰图符式兔表情系列）

　　兔年吉祥（伙伴型兔表情系列）

　　兔如其来（单个型兔表情系列）

　　爱之兔袭（单个型兔表情系列）

　　大展宏兔（单个型兔表情系列）

　　前兔无量（单个型兔表情系列）

　　近年来，“表情包”不仅是人们熟知并常用的词汇、用语，更是大众社交文化中交流情感情绪的一种必不可少、广受欢迎的视觉媒介，它借助移动信息交流工具，成为潮文化、新风俗的一种样态，甚至成为补充文字语言丰富性的一种更具情感表达的符号化传播手段，自然也成了艺术设计所关注的一个有趣的表达内容。尤其在年节之际，一些具有独特手法、情趣生动的“表情包”就成了情感交流中一个小小的兴奋点，成了社交工具中的收藏品。“表情包”也在其发展过程中，从单品形式发展为族群手法，从静态图形走向动态表达，从情绪表情深化为文化传播载体，呈现出丰富的视觉形式语言与文化现象。

　　癸卯新年将至，“兔隈明处弄精神”，温顺的兔、活泼的兔，代表着和善、机敏、文静、细腻、速度的兔，又一次走到文化前台，是生肖兔年“表情包”的不二主角。兔与人类相伴的历史非常悠长，兔作为文化符号的一个品类，距今已经不少于5300年了。同时，兔的形象也是民俗文化中传递美好寓意最为常见的吉祥动物，在民间艺术中题材中是非常活跃的造像角色，在织物、器物等的图案表现中，在面花、剪纸、雕刻等技艺主题里，呈现着丰富的纹样手法和装饰形态，与百姓美好生活的理想密不可分。兔作为十二生肖之一，还承担着天降祥瑞的圣洁象征、多子多福的兴旺寓意、健康长寿的生命期盼，自然也就成了艺术表现的喜见题材。

　　 “喜兔”系列表情包以美好寓意为主要内容，也呈现针对生活现实的隐喻性表达，多借用成语谐音方式，为社交文化提供多元情绪的传递与抒发途径。“兔年快乐”“兔年吉祥”，通过简洁的图形组织构成欢乐的装饰图景，传递常说常新的形式寓意，在美好的新年气氛中，再添一份“喜庆”之意；“前兔无量”“兔飞猛进”，利用“谐音梗”抒发对于朋友们的美好祝愿，平添一份“喜乐”之情；“兔步青云”“大展宏兔”，同样借用谐音，是对交流对象的激励与期盼，表达一份“喜见”之心；“爱之兔袭”，表达日常情感交流的“喜爱”之态；而“羊没兔气”则是针对当前疫情困扰问题，抒发人们希望尽快走出阴霾的迫切愿望，表达获得“喜讯”之景；“兔如其来”“兔遭暴击”看似是宣泄负面情绪的表情，实则为一种心照不宣的生活幽默，传递“喜剧”之乐。这套作品，以三种方式表现，分别为单个型兔表情系列、伙伴型兔表情系列以及带有浓郁彩色的装饰图符式兔表情系列。其设计语言，分别取自中国民间剪纸的两种手法，一种是单色镂空形式，一种是彩色叠拼技艺，并采用静态与动态方式应用。

　　 “喜兔”系列表情符号，从剪纸艺术中汲取表达方式，是对于新年气氛渲染的一种借力，是对于古老中国年节文化的美好祝福，更是希望通过这种在年节中贴于门窗迎福、祛邪符标的隐喻借用，期待在新的一年来临之际，我们能够早日走出疫情阴霾，焕发出“喜气”之表情，迎接美好新生活！

　　（作者：陈青，系上海美术学院副院长、教授）

　　表情包设计者：陈青、宋培铭、李明星（宋培铭系上海大学上海美术学院博士生，李明星系上海大学上海美术学院教师、讲师）

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）