因参与税务欺诈计划 特朗普集团前CFO被判刑五个月 ******
中新网1月11日电 综合外媒报道,特朗普集团前首席财务官(CFO)魏塞尔贝格10日被判刑五个月,罪名是参与特朗普集团的税务欺诈计划。
图片来源:路透社报道截图据报道,75岁的魏塞尔贝格曾是特朗普最忠诚的副手之一,长期为特朗普家族工作。他在对特朗普集团的审判中,作为检方的明星证人作证以换取从轻处罚,若表现良好,惩罚最终可能不会超过100天。
魏塞尔贝格最初将被分配到一个位于雷克岛的监狱,里面关押着重病患者以及一部分普通人。
在2022年被起诉后,魏塞尔贝格已被解除其在多个特朗普名下产业担任的职务,包括海湖庄园、特朗普薪资集团等。其中,特朗普薪资集团也是魏塞尔贝格同案的被告之一。据称,特朗普的长子已接替了魏塞尔贝格在该集团的位置。
2022年8月,魏塞尔贝格承认自己参与了一项长达15年的税务欺诈计划,并承认了伪造商业记录等多项指控。他同意在庭审中作证,指控特朗普的房地产公司等。
同年年底,纽约曼哈顿的一个陪审团裁定特朗普集团两家子公司税务欺诈等多项刑事罪名成立。这些罪名与一项为期15年的高管避税计划有关,高管们获得的账外津贴、豪华公寓等均未纳税。特朗普本人也被牵扯进其余多项调查,涉及干预2020年总统选举计票、机密文件处理不当等。
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() |