या संकटांचा अंदाज घेण्यासाठी, तुम्ही i वापरू शकता भविष्यसूचक मॉडेल परंतु ते जोखीम उपायांवर आधारित आहेत जे सहसा विलंबित, अप्रचलित किंवा अपूर्ण असतात. न्यू यॉर्क युनिव्हर्सिटीच्या अभ्यासाने इष्टतम मार्गाने भविष्यसूचक अल्गोरिदमचे शोषण कसे करावे हे समजून घेण्याचा प्रयत्न केला.
11,2 ते 1980 दरम्यान प्रकाशित अन्न असुरक्षित देशांवरील 2020 दशलक्ष लेखांचा मजकूर संकलित करून आणि अलीकडील प्रगतीचा लाभ घेऊन deep learning: दिलासादायक परिणाम मिळू शकतात. प्रक्रियेमुळे अन्न संकटांचे उच्च-वारंवारता पूर्ववर्ती काढता आले जे पारंपारिक जोखीम निर्देशकांद्वारे स्पष्टीकरण आणि प्रमाणित दोन्ही आहेत.
चे अल्गोरिदम deep learning ठळक केले की जुलै 2009 ते जुलै 2020 या कालावधीत, संकट निर्देशक 21 अन्न असुरक्षित देशांमध्ये, मजकूर माहिती समाविष्ट नसलेल्या बेसलाइन मॉडेलपेक्षा 12 महिन्यांपूर्वीच्या अंदाजात लक्षणीय सुधारणा करतात.
हा अभ्यास एकात्मिक फेज वर्गीकरण (IPC) द्वारे प्रकाशित अन्न असुरक्षिततेच्या अंदाजावर केंद्रित आहे. दुष्काळाची पूर्व चेतावणी प्रणाली नेटवर्क (FEWS NET). हे वर्गीकरण आफ्रिका, आशिया आणि लॅटिन अमेरिकेतील 37 अन्न असुरक्षित देशांमध्ये जिल्हा स्तरावर उपलब्ध आहे आणि 2009 ते 2015 दरम्यान वर्षातून चार वेळा आणि त्यानंतर वर्षातून तीन वेळा नोंदवले गेले.
अन्न असुरक्षिततेचे वर्गीकरण क्रमानुसार केले जाते ज्यामध्ये पाच टप्प्यांचा समावेश होतो: कमी, तणाव, संकट, आणीबाणी आणि दुष्काळ.
BlogInnovazione.it
Veeam द्वारे Coveware सायबर खंडणी घटना प्रतिसाद सेवा प्रदान करणे सुरू ठेवेल. Coveware फॉरेन्सिक आणि उपाय क्षमता प्रदान करेल…
वनस्पती व्यवस्थापनासाठी नाविन्यपूर्ण आणि सक्रिय दृष्टीकोनसह, भविष्यसूचक देखभाल तेल आणि वायू क्षेत्रात क्रांती घडवत आहे.…
UK CMA ने आर्टिफिशियल इंटेलिजन्स मार्केटमध्ये बिग टेकच्या वर्तनाबद्दल चेतावणी जारी केली आहे. तेथे…
इमारतींची उर्जा कार्यक्षमता वाढविण्यासाठी युरोपियन युनियनने तयार केलेल्या "ग्रीन हाऊसेस" डिक्रीने त्याची वैधानिक प्रक्रिया पूर्ण केली आहे ...