यी संकटहरू अनुमान गर्न, तपाईंले i प्रयोग गर्न सक्नुहुन्छ भविष्यवाणी मोडेलहरू तर तिनीहरू जोखिम उपायहरूमा आधारित हुन्छन् जुन प्रायः ढिलो, अप्रचलित वा अपूर्ण हुन्छन्। न्यूयोर्क विश्वविद्यालयको अध्ययनले कसरी इष्टतम तरिकामा भविष्यवाणी गर्ने एल्गोरिदमको शोषण गर्ने भनेर बुझ्ने प्रयास गर्यो।
सन् १९८० देखि २०२० सम्म प्रकाशित खाद्यान्न असुरक्षित देशहरूका बारेमा ११.२ मिलियन लेखको पाठ सङ्कलन गरी हालको प्रगतिको फाइदा उठाउँदै अध्ययनले देखाएको छ। deep learning: सान्त्वनादायी परिणाम प्राप्त गर्न सकिन्छ। विस्तारले खाद्य संकटको उच्च-फ्रिक्वेन्सी पूर्ववर्तीहरू निकाल्न अनुमति दिएको छ जुन परम्परागत जोखिम सूचकहरूद्वारा व्याख्या गर्न सकिने र प्रमाणित दुवै छन्।
एल्गोरिदम deep learning जुलाई 2009 देखि जुलाई 2020 सम्मको अवधिमा, सङ्कटका सूचकहरूले पाठ्य जानकारी समावेश नगर्ने आधारभूत मोडेलहरू भन्दा १२ महिना अघिसम्म २१ खाद्य असुरक्षित देशहरूमा पूर्वानुमानमा उल्लेख्य सुधार गरेको छ।
अध्ययनले खाद्य असुरक्षाको एकीकृत चरण वर्गीकरण (आईपीसी) द्वारा प्रकाशित गरेको भविष्यवाणीमा केन्द्रित छ। अकाल अर्ली चेतावनी प्रणाली नेटवर्क (FEWS NET)। यो वर्गीकरण अफ्रिका, एसिया र ल्याटिन अमेरिकाका ३७ खाद्य असुरक्षित देशहरूमा जिल्ला स्तरमा उपलब्ध छ र सन् २००९ र २०१५ को बीचमा वर्षमा चार पटक र त्यसपछि वर्षमा तीन पटक रिपोर्ट गरिएको थियो।
खाद्य असुरक्षालाई निम्न, तनाव, संकट, आपतकालीन र भोकमरी गरी पाँच चरणहरू समावेश गरी क्रमबद्ध मापन अनुसार वर्गीकृत गरिन्छ।
BlogInnovazione.it
गत सोमबार, फाइनान्सियल टाइम्सले OpenAI सँग सम्झौताको घोषणा गर्यो। FT ले आफ्नो विश्व स्तरीय पत्रकारिता लाई लाइसेन्स...
लाखौं मानिसहरूले स्ट्रिमिङ सेवाहरूको लागि भुक्तानी गर्छन्, मासिक सदस्यता शुल्क तिर्छन्। यो आम धारणा छ कि तपाईं…
Veeam द्वारा Coveware ले साइबर जबरजस्ती घटना प्रतिक्रिया सेवाहरू प्रदान गर्न जारी राख्नेछ। Coveware ले फोरेन्सिक र उपचार क्षमताहरू प्रदान गर्दछ ...
अनुमानित मर्मतसम्भारले तेल र ग्यास क्षेत्रमा क्रान्तिकारी परिवर्तन गर्दैछ, बिरुवा व्यवस्थापनको लागि एक नवीन र सक्रिय दृष्टिकोणको साथ।…