Bu böhranları təxmin etmək üçün i-dən istifadə edə bilərsiniz proqnozlaşdırıcı modellər lakin onlar tez-tez gecikmiş, köhnəlmiş və ya natamam olan risk tədbirlərinə əsaslanır. Nyu-York Universitetinin tədqiqatı proqnozlaşdırıcı alqoritmlərdən optimal şəkildə necə istifadə olunacağını anlamağa çalışdı.
Tədqiqat göstərdi ki, 11,2-1980-ci illər arasında qida təhlükəsizliyinin təmin olunmadığı ölkələr haqqında dərc edilmiş 2020 milyon məqalənin mətnini tərtib etməklə və son nailiyyətlərdən istifadə etməklə deep learning: rahatlaşdırıcı nəticələr əldə edilə bilər. Hazırlanma həm şərh edilə bilən, həm də ənənəvi risk göstəriciləri ilə təsdiqlənən qida böhranlarının yüksək tezlikli prekursorlarını çıxarmağa imkan verdi.
Alqoritm deep learning vurğuladı ki, 2009-cu ilin iyulundan 2020-ci ilin iyuluna qədər olan dövr ərzində böhran göstəriciləri qida təhlükəsizliyinin təmin olunmadığı 21 ölkədə proqnozları əhəmiyyətli dərəcədə yaxşılaşdırır, mətn məlumatı olmayan baza modellərindən 12 aya qədər tezdir.
Tədqiqat ABŞ tərəfindən nəşr olunan qida təhlükəsizliyinin İnteqrasiya edilmiş Faza Təsnifatı (IPC) proqnozuna yönəlib. Aclığa qarşı erkən xəbərdarlıq sistemləri şəbəkəsi (FEWS NET). Bu təsnifat Afrika, Asiya və Latın Amerikasının ərzaq təhlükəsizliyinin təmin olunmadığı 37 ölkədə rayon səviyyəsində mövcuddur və 2009-2015-ci illər arasında ildə dörd dəfə və bundan sonra ildə üç dəfə məlumat verilmişdir.
Ərzaq təhlükəsizliyi beş mərhələdən ibarət ordinal miqyasda təsnif edilir: aşağı, stress, böhran, fövqəladə vəziyyət və aclıq.
BlogInnovazione.it
Daimi texnoloji yeniliklərin və ətraf mühitə və insanların rifahına bağlılığın nəticəsi. Bandalux Airpure® çadırını təqdim edir...
Dizayn nümunələri proqram dizaynında təkrarlanan problemlərə xüsusi aşağı səviyyəli həllərdir. Dizayn nümunələri…
Magica avtomobilin idarə edilməsini sadə və səmərəli edən, sürücülərə qənaət etməyə və…
Excel diaqramı Excel iş vərəqindəki məlumatları əks etdirən vizualdır.…