യുഎൻ അജണ്ട 2030: ഭക്ഷ്യ പ്രതിസന്ധികൾ എങ്ങനെ പ്രവചിക്കാം എന്നതിനെക്കുറിച്ചുള്ള തകർപ്പൻ പഠനം

ന്യൂയോർക്ക് സർവ്വകലാശാലയുടെ ഒരു പഠനം കാണിക്കുന്നത്, അടിയന്തര ദുരിതാശ്വാസം കാര്യക്ഷമമായി അനുവദിക്കുന്നതിനും മനുഷ്യരുടെ കഷ്ടപ്പാടുകൾ കുറയ്ക്കുന്നതിനും ഭക്ഷ്യ പ്രതിസന്ധി പകർച്ചവ്യാധികൾ പ്രതീക്ഷിക്കുന്നത് സാദ്ധ്യവും അടിസ്ഥാനപരവുമാണ്. (ചിത്രം മിഡ്‌ജേർണിക്കൊപ്പം നിർമ്മിച്ചത്)

ഈ പ്രതിസന്ധികൾ മുൻകൂട്ടി അറിയാൻ, നിങ്ങൾക്ക് i ഉപയോഗിക്കാം പ്രവചന മാതൃകകൾ എന്നാൽ അവ പലപ്പോഴും കാലതാമസമോ കാലഹരണപ്പെട്ടതോ അപൂർണ്ണമോ ആയ അപകടസാധ്യതകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ന്യൂയോർക്ക് യൂണിവേഴ്‌സിറ്റി പഠനം പ്രവചനാത്മക അൽഗോരിതം എങ്ങനെ മികച്ച രീതിയിൽ പ്രയോജനപ്പെടുത്താമെന്ന് മനസിലാക്കാൻ ശ്രമിച്ചു.

11,2 നും 1980 നും ഇടയിൽ പ്രസിദ്ധീകരിച്ച ഭക്ഷ്യസുരക്ഷയില്ലാത്ത രാജ്യങ്ങളെക്കുറിച്ചുള്ള 2020 ദശലക്ഷം ലേഖനങ്ങളുടെ വാചകം സമാഹരിച്ചുകൊണ്ടും സമീപകാല മുന്നേറ്റങ്ങൾ പ്രയോജനപ്പെടുത്തിക്കൊണ്ടും പഠനം കാണിച്ചു. deep learning: ആശ്വാസകരമായ ഫലങ്ങൾ ലഭിക്കും. പരമ്പരാഗത അപകട സൂചകങ്ങളാൽ വ്യാഖ്യാനിക്കാവുന്നതും സാധൂകരിക്കപ്പെടുന്നതുമായ ഭക്ഷ്യ പ്രതിസന്ധികളുടെ ഉയർന്ന ആവൃത്തിയിലുള്ള മുൻഗാമികളെ വേർതിരിച്ചെടുക്കാൻ വിപുലീകരണം അനുവദിച്ചു.

അൽഗോരിതം deep learning 2009 ജൂലൈ മുതൽ 2020 ജൂലൈ വരെയുള്ള കാലയളവിൽ, പ്രതിസന്ധി സൂചകങ്ങൾ 21 ഭക്ഷ്യസുരക്ഷയില്ലാത്ത രാജ്യങ്ങളിലെ പ്രവചനങ്ങൾ ഗണ്യമായി മെച്ചപ്പെടുത്തുന്നു, ടെക്സ്റ്റ് വിവരങ്ങൾ ഉൾപ്പെടുത്താത്ത അടിസ്ഥാന മോഡലുകളേക്കാൾ 12 മാസം മുമ്പ് വരെ.

പ്രസിദ്ധീകരിച്ച ഭക്ഷ്യ അരക്ഷിതാവസ്ഥയെക്കുറിച്ചുള്ള ഇന്റഗ്രേറ്റഡ് ഫേസ് ക്ലാസിഫിക്കേഷൻ (ഐപിസി) പ്രവചനത്തിലാണ് പഠനം ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. ക്ഷാമം മുൻകൂർ മുന്നറിയിപ്പ് സിസ്റ്റം നെറ്റ്‌വർക്ക് (ഫ്യൂസ് നെറ്റ്). ആഫ്രിക്ക, ഏഷ്യ, ലാറ്റിൻ അമേരിക്ക എന്നിവിടങ്ങളിലെ ഭക്ഷ്യസുരക്ഷയില്ലാത്ത 37 രാജ്യങ്ങളിൽ ജില്ലാതലത്തിൽ ഈ വർഗ്ഗീകരണം ലഭ്യമാണ്, 2009-നും 2015-നും ഇടയിൽ വർഷത്തിൽ നാല് തവണയും അതിനുശേഷം വർഷത്തിൽ മൂന്ന് തവണയും റിപ്പോർട്ട് ചെയ്യപ്പെട്ടിട്ടുണ്ട്. 

ഭക്ഷ്യ അരക്ഷിതാവസ്ഥയെ അഞ്ച് ഘട്ടങ്ങൾ ഉൾക്കൊള്ളുന്ന ഒരു ഓർഡിനൽ സ്കെയിൽ അനുസരിച്ച് തരം തിരിച്ചിരിക്കുന്നു: താഴ്ന്ന, സമ്മർദ്ദം, പ്രതിസന്ധി, അടിയന്തരാവസ്ഥ, ക്ഷാമം. 

BlogInnovazione.it