Til að sjá fyrir þessar kreppur geturðu notað i forspárlíkön en þær byggjast á áhætturáðstöfunum sem oft eru seinkaðar, úreltar eða ófullkomnar. Rannsókn New York háskólans reyndi að skilja hvernig hægt væri að nýta forspáralgrím á sem bestan hátt.
Rannsóknin sýndi að með því að taka saman texta 11,2 milljóna greina um mataróöryggislönd sem birtar voru á árunum 1980 til 2020 og nýta sér nýlegar framfarir í deep learning: hægt er að fá huggandi niðurstöður. Útfærslan gerði kleift að draga út hátíðni undanfara matvælakreppu sem eru bæði túlkanleg og staðfest með hefðbundnum áhættuvísum.
Reikniritið deep learning benti á að á tímabilinu frá júlí 2009 til júlí 2020 bæti kreppuvísar verulega spár í 21 löndum með fæðuóöryggi, allt að 12 mánuðum fyrr en grunnlíkön sem innihalda ekki textaupplýsingar.
Rannsóknin beinist að Integrated Phase Classification (IPC) spá um fæðuóöryggi sem gefin er út af Hungurkerfi snemma viðvörunarkerfa (FÁRA NETT). Þessi flokkun er fáanleg á umdæmisstigi í 37 löndum með óörugg matvæli í Afríku, Asíu og Suður-Ameríku og var tilkynnt um það fjórum sinnum á ári á árunum 2009 til 2015 og þrisvar á ári eftir það.
Fæðuóöryggi er flokkað eftir raðkvarða sem samanstendur af fimm stigum: lágt, streita, kreppa, neyðartilvik og hungursneyð.
BlogInnovazione.it
Síðasta mánudag tilkynnti Financial Times um samning við OpenAI. FT leyfir heimsklassa blaðamennsku…
Milljónir manna borga fyrir streymisþjónustu og greiða mánaðarlega áskriftargjöld. Það er almenn skoðun að þú…
Coveware frá Veeam mun halda áfram að veita viðbragðsþjónustu fyrir tölvukúgun. Coveware mun bjóða upp á réttar- og úrbótamöguleika ...
Forspárviðhald er að gjörbylta olíu- og gasgeiranum, með nýstárlegri og fyrirbyggjandi nálgun við verksmiðjustjórnun.…