大发平台必赚方案|互动百科

来源：大发平台注册2024-07-29 17:48

大发平台必赚方案

西北社火压轴春节“大戏” 传统非遗竞逐“中国式狂欢”******

　　(新春见闻)西北社火压轴春节“大戏” 传统非遗竞逐“中国式狂欢”

　　中新社兰州2月3日电题：西北社火压轴春节“大戏” 传统非遗竞逐“中国式狂欢”

　　中新社记者冯志军

　　“不点花灯月不圆，不耍社火难过年。”随着元宵节临近，春节压轴“大戏”社火在西北地区的展演渐入佳境。尽遣传统非遗“家珍”的各地社火，酣畅演绎着各具特色的“中国式狂欢”。

2月2日(农历正月十二)，甘肃永登县举办“非遗过大年，文化进万家”系列展演活动，当地13支社火代表队同台表演舞狮子、划旱船、踩高跷、跑龙灯等绝活，还有被称为“天下第一鼓”的兰州太平鼓和秧歌队紧随助阵……这座不大的县城，吸引超过10万人围观。图为具有西北特色的舞狮表演。中新社发戴文昌摄

　　2月2日(农历正月十二)，甘肃永登县举办“非遗过大年，文化进万家”系列展演活动，当地13支社火代表队同台表演舞狮子、划旱船、踩高跷、跑龙灯等绝活，还有被称为“天下第一鼓”的兰州太平鼓和秧歌队紧随助阵……这座不大的县城，吸引超过10万人围观。由于围观人数越聚越多，之前划设的“舞台”不断被压缩。

　　类似热闹非凡的场面，连日来在陕西、甘肃、青海、宁夏、新疆多地上演，一些城市的演出还专门设置了交通管制线路和时段，以保障民众参与其中。部分较大型的社火展演比赛，还采用现场直播等现代传媒手段，增强了民间社火的传播力和影响力。

图为被称为“天下第一鼓”的兰州太平鼓表演。中新社发戴文昌摄

　　社火是中国民间一种庆祝春节的传统庆典狂欢活动，具体形式随地域而有较大差异。由各乡村村民自发组织的社火活动，规模从几十人到上百人不等，包括锣鼓手、舞狮等。社火经过之处，围观民众燃放爆竹迎接，并赠予烟酒等礼物。

　　今年76岁的甘肃省级非物质文化遗产会宁民歌代表性传承人张玉兰说，作为祖祖辈辈传承下来的春节压轴“大戏”，社火包含了传统文化中的许多非遗项目，展示内容多为爱国、从善、尽孝等历史典故，是当地参与人数最多，也是民众喜闻乐见的民俗活动之一。

　　“我们老一辈人对传统社火有很深的感情，大家通过耍社火、看社火，来释放一年的疲惫辛劳，祈求今后的生活越来越好！”张玉兰说，30多年来，她每年都参加社火表演，把自己知道的民歌、民俗故事教给年轻人来传承民俗文化，让大家过一个热闹、欢快的春节。

　　“现在农村多是老人，年轻人长年外出打工，我总是在担心社火的传承问题，现在看来这种顾虑可能有点多余了。”甘肃武威市“返乡人”张宏连续“追”了当地多场社火表演后表示，实际演出中，老年人不少，年轻人也没落下，他对这种“家乡年味”的传承信心倍增。

图为具有西北特色的舞狮表演。中新社发戴文昌摄

　　在甘肃定西市漳县三岔镇，“闹社火”已成为当地一张新名片。当地社火演员贾月玲说，近年来，当地的社火队伍不断壮大，有70多岁的老人，也有20多岁的学生，填词的、谱曲的、拉二胡的、敲扬琴的一应俱全，在保留传统故事为内核的基础上，艺人还会结合时代元素进行编创。

　　“小初一，大十五。”随着西北各地如火如荼进行的社火展演，人们和着锣鼓节拍，载歌载舞表达着喜悦的心情，寄托着对幸福生活的憧憬与追求。(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（）