Pikeun ngantisipasi krisis ieu, anjeun tiasa nganggo i model prédiksi tapi aranjeunna dumasar kana ukuran résiko anu sering ditunda, luntur atanapi teu lengkep. Ulikan Universitas New York nyobian ngartos kumaha mangpaatkeun algoritma duga ku cara anu optimal.
Panaliti nunjukkeun yén ku nyusun téks 11,2 juta tulisan ngeunaan nagara-nagara anu teu aman pangan anu diterbitkeun antara 1980 sareng 2020, sareng ngamangpaatkeun kamajuan panganyarna dina deep learning: hasilna comforting bisa diala. Pamrosésan ngamungkinkeun ékstraksi prékursor frékuénsi luhur krisis pangan anu tiasa diinterpretasi sareng disahkeun ku indikator résiko tradisional.
Algoritma deep learning nyorot yén salami periode ti Juli 2009 dugi ka Juli 2020, indikator krisis sacara signifikan ningkatkeun ramalan di 21 nagara anu teu aman pangan, dugi ka 12 bulan langkung awal tibatan modél dasar anu henteu kalebet inpormasi tékstual.
Panalitian museurkeun kana prediksi Klasifikasi Fase Terpadu (IPC) ngeunaan kerawanan pangan anu diterbitkeun ku Jaringan Sistem Peringatan Awal Kalaparan (saeutik NET). Klasifikasi ieu sayogi di tingkat kabupaten di 37 nagara anu teu aman pangan di Afrika, Asia sareng Amerika Latin sareng dilaporkeun opat kali sataun antara 2009 sareng 2015 sareng tilu kali sataun saatosna.
Kaamanan pangan digolongkeun dumasar kana skala ordinal anu diwangun ku lima tahap: rendah, setrés, krisis, darurat sareng kalaparan.
BlogInnovazione.it
Ngembangkeun kaahlian motorik halus ngaliwatan ngawarnaan nyiapkeun barudak pikeun kaahlian leuwih kompleks kawas nulis. Pikeun ngawarnaan…
Sektor angkatan laut mangrupikeun kakuatan ékonomi global anu leres, anu nuju ka arah pasar 150 milyar ...
Senén kamari, Financial Times ngumumkeun deal sareng OpenAI. FT ngalisensikeun jurnalisme kelas dunya na…
Jutaan jalma mayar jasa streaming, mayar biaya langganan bulanan. Pendapat umum yén anjeun…