이러한 위기를 예상하기 위해 다음을 사용할 수 있습니다. 예측 모델 그러나 그들은 종종 지연되거나 쓸모없거나 불완전한 위험 측정을 기반으로 합니다. New York University 연구는 예측 알고리즘을 최적의 방식으로 활용하는 방법을 이해하려고 노력했습니다.
이 연구는 11,2년에서 1980년 사이에 발행된 식량 불안 국가에 관한 2020만 개의 기사 텍스트를 편집하고 deep learning: 편안한 결과를 얻을 수 있습니다. 정교화를 통해 전통적인 위험 지표로 해석하고 검증할 수 있는 식량 위기의 고주파 전조를 추출할 수 있었습니다.
알고리즘 deep learning 2009년 2020월부터 21년 12월까지의 기간 동안 위기 지표는 텍스트 정보를 포함하지 않는 기준 모델보다 최대 XNUMX개월 빠른 XNUMX개 식량 불안정 국가의 예측을 크게 개선한다고 강조했습니다.
이 연구는 식품 안전에 대한 IPC(Integrated Phase Classification) 예측에 초점을 맞추고 있습니다. 기근 조기 경보 시스템 네트워크 (FEWS NET). 이 분류는 아프리카, 아시아 및 라틴 아메리카의 37개 식량 불안정 국가의 지구 수준에서 사용할 수 있으며 2009년에서 2015년 사이에는 연 XNUMX회, 그 이후에는 연 XNUMX회 보고되었습니다.
식량 불안은 낮음, 스트레스, 위기, 긴급, 기근의 XNUMX단계로 구성된 서수 척도에 따라 분류됩니다.
BlogInnovazione.it
색칠을 통해 소근육 운동 능력을 키우면 아이들이 글쓰기와 같은 보다 복잡한 기술을 준비할 수 있습니다. 색칠하다…
지난 월요일, Financial Times는 OpenAI와의 계약을 발표했습니다. FT는 세계적 수준의 저널리즘에 라이선스를 부여합니다…
수백만 명의 사람들이 스트리밍 서비스 비용을 지불하고 월간 구독료를 지불합니다. 당신은…
