点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
探访中国残疾人游泳队集训：年轻队员期待冲击奥运******
中新网北京1月22日电 题：探访中国残疾人游泳队集训：年轻队员期待冲击奥运
作者 郝凌宇
步入中国残疾人体育运动管理中心的游泳馆，"啪啪"的有节奏拍水声马上将人的注意力吸引到泳池边。泳池中，一位独臂运动员的手臂划出大大的弧线，拍击水面，划水向前。
这是中国残疾人游泳队运动员伍洪良正在泳池中训练。今年春节期间，中国残疾人游泳队正在此处集训，备战2023年的各项国际赛事，力争2024年巴黎残奥会的参赛资格。
游泳同田径并列为竞技体育之本。中国残奥代表团曾连续五次取得残奥会金牌榜、奖牌榜双料第一，其中游泳项目是夺金"大户"。在东京残奥会上，游泳队获得19金19银18铜共56枚奖牌，成为该项目金牌奖牌双榜榜首，同时打破了逾10项世界纪录，在奖牌数量和质量上均取得了不俗成绩。
对于在此集训的几位年轻选手来说，游泳队过往成绩是压力也是动力。拿下资格赛，参加残奥会并冲击金牌是所有集训运动员的目标，而伍洪良是当中更为迫切的一位。
来自贵州的伍洪良此前曾斩获陕西全国残运会男子S8级100米蝶泳金牌，练习游泳的十余年生涯中累计收获逾80枚奖牌。从市队到省队他一直训练不辍，一步一个脚印地进步，最终被国家队选中，参加了本次集训。“刚开始学游泳比较难，但每次看到别人游在前面我就会很不服气，就想让自己成为那个最快的人。”
对于即将到来的世界残奥游泳系列赛，伍洪良显得很有信心。他表示教练团队和保障团队都进行了充分准备，给运动员提供助力。自己将在国际比赛中完成锻炼和定级，争取在杭州亚残会上取得好成绩。
来自福建漳州的卢燕琳今年16岁，是参加此次集训中年龄最小的游泳队员。她曾在陕西全国残运会上斩获三银三铜，来到国家队参加集训后，她对自己有了新要求：“之前比赛没拿到第一感觉很可惜，我觉得集训我还可以再努力一点，该认真的时候就得认真。”
运动员郭金城正在进行力量训练 董泽宇 摄对于第一次参加国家队集训的她来说，教练系统的动作纠正和战术指导、参赛级别的提升、比赛对手的竞技水平都给她留下了深刻印象。“能进国家队是我们运动员至高无上的荣誉，我很高兴，也特别珍惜这一次机会。”
卢燕琳说自己很喜欢游泳，所以对身边年纪稍大的运动员充满羡慕：“我看很多运动员都比我大，坚持游了很长时间，我特别羡慕他们(能一直参加比赛)。我相信自己也可以做到。”
2001年出生的郭金城此前曾有在运动管理中心参加训练的经历。他坦言得知今年无法和家人过年时多少有些遗憾，但自己清楚不训练就没办法保持竞技状态。“进入泳池后人感到轻松，也就不会想太多。”
不同特点、不同性格的运动员对教练团队来说是不同的挑战。对已有十余年残疾人游泳执教经历的游泳队教练刘韬来说，看到年轻运动员能努力训练是十分开心的。他表示，很多残疾人在开始接触运动时会有些内向或自卑，但是通过一段时间的体育训练后，运动员从生理到心理都会有很大的改变，对其生活也有很大帮助。
中国残疾人体育运动管理中心竞训一部副部长高巍表示，本次集训时间比较短，所以不会要求年轻选手马上找回参加全国残运会的竞技状态，期待新队员能够通过训练逐渐找到感觉，先实现“小目标”。
“残疾人运动员有自己的特点。这1个月是我们和新队员相互了解的磨合期，接下来我们会综合考量运动员的不同个性、不同残疾程度、不同的心理抗压能力，一人一案制定合适的训练计划。”高巍说。
离开游泳馆时，上午的训练已经结束。离开场馆的卢燕琳笑着朝记者招手比心，提醒众人一群年轻运动员已经在团圆的春节开启了对奥运梦想的追逐。(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（）  视觉焦点
至尊彩票地图 |
)