chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

AI模型表明口罩可以顯著減少當(dāng)前局勢(shì)的傳播

獨(dú)愛(ài)72H ? 來(lái)源:教育新聞網(wǎng) ? 作者:教育新聞網(wǎng) ? 2020-05-09 22:30 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

(文章來(lái)源:教育新聞網(wǎng))
在本周于Arxiv.org上發(fā)布的一項(xiàng)新的預(yù)印本研究中,劍橋大學(xué),倫敦大學(xué)學(xué)院,巴黎高等經(jīng)濟(jì)學(xué)院,香港科技大學(xué)和芬蘭家庭聯(lián)合會(huì)的研究人員提出了兩種人工智能設(shè)計(jì)用于預(yù)測(cè)戴口罩對(duì)當(dāng)前局勢(shì)傳播的影響的模型。共同作者說(shuō),表現(xiàn)最好的模型表明,當(dāng)至少有80%的人口參與時(shí),戴上口罩會(huì)產(chǎn)生“重大影響”,而當(dāng)50%或更少的人選擇戴口罩時(shí),戴上口罩會(huì)產(chǎn)生“最小影響”。其中一種模型的交互式可視化效果可在線獲得。

該論文的結(jié)果與美國(guó)疾病控制與預(yù)防中心和世界衛(wèi)生組織的指導(dǎo)相一致,二者均建議在公共場(chǎng)合戴口罩。當(dāng)前局勢(shì)的傳播主要通過(guò)呼吸道飛沫發(fā)生,當(dāng)感染者咳嗽或打噴嚏時(shí),呼吸道飛沫可以落在別人的嘴或鼻子上。盡管初步研究表明,某些口罩(如手術(shù)口罩和呼吸器)比其他口罩更有效,但口罩被認(rèn)為可以通過(guò)捕獲更大的液滴來(lái)減少傳播。

前述兩個(gè)模型中的第一個(gè)試圖預(yù)測(cè)與其他干預(yù)(主要是鎖定和物理距離)相比的屏蔽效果。它將人群分為代表疾病進(jìn)展不同狀態(tài)的類別-易感,暴露,感染和康復(fù)-并使用所謂的動(dòng)態(tài)動(dòng)態(tài)網(wǎng)絡(luò)來(lái)緊密模仿社會(huì)中人們之間的接觸。由節(jié)點(diǎn)和邊組成的圖形表示個(gè)人(節(jié)點(diǎn))及其交互(邊),相鄰節(jié)點(diǎn)形成一個(gè)人的“緊密接觸”網(wǎng)絡(luò)。從該網(wǎng)絡(luò)之外的任何地方進(jìn)行的聯(lián)系都象征著更廣泛的人群之間的全球聯(lián)系。

通過(guò)改變影響互動(dòng)程度和平均親密接觸次數(shù)的參數(shù),研究人員能夠使用該模型來(lái)衡量各種程度的社會(huì)疏遠(yuǎn)和封鎖措施。為了進(jìn)行研究,他們從最初的1%感染人口(67,000)開(kāi)始,并使其適應(yīng)了許多西方國(guó)家的當(dāng)前時(shí)間表,并于3月24日實(shí)施了鎖定,并計(jì)劃于5月31日解除鎖定。從第0天(3月23日)到未來(lái)的500天-大約17個(gè)月的時(shí)間。

該團(tuán)隊(duì)報(bào)告說(shuō),模擬顯示,采用率達(dá)到80%時(shí),掩蓋會(huì)使感染曲線“顯著增加”,而不是保持鎖定狀態(tài)(導(dǎo)致60,000例死亡,而180,000例死亡)。這也意味著,采用50%的采用率進(jìn)行掩蓋不足以阻止持續(xù)的傳播(24萬(wàn)例死亡),并且在5月31日用社交隔離代替嚴(yán)格的鎖定措施而不進(jìn)行掩蓋將導(dǎo)致不受控制的傳播。研究人員的第二個(gè)模型采用基于代理的技術(shù),其中各個(gè)軟件代理“佩戴”具有不同指定屬性(例如,布或外科)的口罩。在200名人口中,假設(shè)感染率為1%,又按照進(jìn)展程度(易感,暴露,感染和康復(fù))進(jìn)行了分類,研究人員模擬了疫情爆發(fā)后300天的情況,改變了人們戴著口罩和口罩的程度傳輸(呼氣)和吸收(吸氣)的特性。

研究人員說(shuō),基于代理的模擬結(jié)果表明,即使足夠早采用掩膜,即使掩膜是非醫(yī)療或自制的,掩膜也可以減少病毒傳播。爆發(fā)時(shí)采用100%的口罩采用會(huì)導(dǎo)致感染數(shù)量“急劇”減少,而90%的采用會(huì)在50天后被“抑制”。同時(shí),發(fā)現(xiàn)50%的采用率不足,并且等到第75天制定屏蔽策略后,感染的抑制程度才能降低。這兩個(gè)研究人員的模型都表明,如果在封鎖解除之前,五分之四的人開(kāi)始在公共場(chǎng)合戴著布口罩,那么新的COVID-19病例數(shù)可能會(huì)下降到足以退出封鎖并避免第二波感染的時(shí)間。另一方面,如果每隔兩個(gè)人開(kāi)始戴口罩,則感染率將大幅下降,但可能不足以阻止第二波感染。

(責(zé)任編輯:fqj)

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 醫(yī)療健康
    +關(guān)注

    關(guān)注

    2

    文章

    284

    瀏覽量

    26259
  • AI
    AI
    +關(guān)注

    關(guān)注

    88

    文章

    35052

    瀏覽量

    279267
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    【「零基礎(chǔ)開(kāi)發(fā)AI Agent」閱讀體驗(yàn)】+ 入門(mén)篇學(xué)習(xí)

    4.智能體具有自主規(guī)劃和行動(dòng)的能力 5.大模型分為3個(gè)層次:基礎(chǔ)層(心臟)、垂直/行業(yè)層(動(dòng)脈)、應(yīng)用層(毛細(xì)血管) 6.AI Agent具備更顯著的去中心化特點(diǎn),能夠充分滿足每個(gè)人獨(dú)特的需求
    發(fā)表于 05-02 09:26

    首創(chuàng)開(kāi)源架構(gòu),天璣AI開(kāi)發(fā)套件讓端側(cè)AI模型接入得心應(yīng)手

    模型全鏈路分析功能,針對(duì)AI應(yīng)用開(kāi)發(fā)的三大痛點(diǎn)逐個(gè)擊破。 當(dāng)前AI應(yīng)用開(kāi)發(fā)者在使用開(kāi)發(fā)工具時(shí)會(huì)面臨一個(gè)很頭疼的問(wèn)題,種類多、功能不聚合、過(guò)于碎片化,導(dǎo)致開(kāi)發(fā)過(guò)程非常復(fù)雜。Neuron
    發(fā)表于 04-13 19:52

    訓(xùn)練好的ai模型導(dǎo)入cubemx不成功怎么處理?

    訓(xùn)練好的ai模型導(dǎo)入cubemx不成功咋辦,試了好幾個(gè)模型壓縮了也不行,ram占用過(guò)大,有無(wú)解決方案?
    發(fā)表于 03-11 07:18

    AI模型部署邊緣設(shè)備的奇妙之旅:如何實(shí)現(xiàn)手寫(xiě)數(shù)字識(shí)別

    型的初始模型。 剪枝階段:根據(jù)設(shè)定的標(biāo)準(zhǔn)(如閾值)去除部分權(quán)重或整個(gè)神經(jīng)元。 微調(diào)階段:對(duì)剪枝后的模型進(jìn)行再訓(xùn)練,以恢復(fù)可能因剪枝而損失的精度。 優(yōu)點(diǎn): 顯著減少
    發(fā)表于 12-06 17:20

    【每天學(xué)點(diǎn)AI】前向傳播、損失函數(shù)、反向傳播

    在深度學(xué)習(xí)的領(lǐng)域中,前向傳播、反向傳播和損失函數(shù)是構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的三個(gè)核心概念。今天,小編將通過(guò)一個(gè)簡(jiǎn)單的實(shí)例,解釋這三個(gè)概念,并展示它們的作用。前向傳播:神經(jīng)網(wǎng)絡(luò)的“思考”過(guò)
    的頭像 發(fā)表于 11-15 10:32 ?1216次閱讀
    【每天學(xué)點(diǎn)<b class='flag-5'>AI</b>】前向<b class='flag-5'>傳播</b>、損失函數(shù)、反向<b class='flag-5'>傳播</b>

    AI模型市場(chǎng)分析

    隨著人工智能技術(shù)的快速發(fā)展,AI模型已成為全球科技競(jìng)爭(zhēng)的新高地、未來(lái)產(chǎn)業(yè)的新賽道以及經(jīng)濟(jì)發(fā)展的新引擎。下面,AI部落小編分析了當(dāng)前AI
    的頭像 發(fā)表于 11-01 09:51 ?558次閱讀

    未來(lái)AI模型的發(fā)展趨勢(shì)

    上得到了顯著提升。未來(lái),算法和架構(gòu)的進(jìn)一步優(yōu)化將推動(dòng)AI模型在性能上實(shí)現(xiàn)新的突破。 多頭自注意力機(jī)制、前饋神經(jīng)網(wǎng)絡(luò)等關(guān)鍵技術(shù)的改進(jìn),將增強(qiáng)模型的表達(dá)能力和泛化能力。 多模態(tài)融合 :
    的頭像 發(fā)表于 10-23 15:06 ?1928次閱讀

    AI模型與傳統(tǒng)機(jī)器學(xué)習(xí)的區(qū)別

    AI模型與傳統(tǒng)機(jī)器學(xué)習(xí)在多個(gè)方面存在顯著的區(qū)別。以下是對(duì)這些區(qū)別的介紹: 一、模型規(guī)模與復(fù)雜度 AI
    的頭像 發(fā)表于 10-23 15:01 ?2560次閱讀

    AI模型在圖像識(shí)別中的優(yōu)勢(shì)

    AI模型在圖像識(shí)別中展現(xiàn)出了顯著的優(yōu)勢(shì),這些優(yōu)勢(shì)主要源于其強(qiáng)大的計(jì)算能力、深度學(xué)習(xí)算法以及大規(guī)模的數(shù)據(jù)處理能力。以下是對(duì)AI模型在圖像識(shí)
    的頭像 發(fā)表于 10-23 15:01 ?2406次閱讀

    AI模型在自然語(yǔ)言處理中的應(yīng)用

    AI模型在自然語(yǔ)言處理(NLP)中的應(yīng)用廣泛且深入,其強(qiáng)大的語(yǔ)義理解和生成能力為NLP任務(wù)帶來(lái)了顯著的性能提升。以下是對(duì)AI模型在NLP
    的頭像 發(fā)表于 10-23 14:38 ?1523次閱讀

    AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》第二章AI for Science的技術(shù)支撐學(xué)習(xí)心得

    計(jì)算的結(jié)合 我深刻體會(huì)到高性能計(jì)算(HPC)在AI for Science中的重要性。傳統(tǒng)的科學(xué)計(jì)算往往面臨計(jì)算量大、計(jì)算時(shí)間長(zhǎng)等問(wèn)題,而AI技術(shù)的引入可以顯著提高計(jì)算效率。同時(shí),HP
    發(fā)表于 10-14 09:16

    基于迅為RK3568/RK3588開(kāi)發(fā)板的AI圖像識(shí)別方案

    01_官方模型測(cè)試 02_人臉識(shí)別 03_口罩檢測(cè) 04_工地防護(hù) 05_撲克牌識(shí)別 06_手掌關(guān)鍵點(diǎn)檢測(cè) 07_人臉特征點(diǎn)檢測(cè)
    發(fā)表于 08-28 09:50

    ai模型和傳統(tǒng)ai的區(qū)別在哪?

    的BERT模型使用了33億個(gè)參數(shù),而傳統(tǒng)AI模型通常只有幾千到幾百萬(wàn)個(gè)參數(shù)。 模型復(fù)雜度 AI模型
    的頭像 發(fā)表于 07-16 10:06 ?2671次閱讀

    AI模型AI框架的關(guān)系

    多個(gè)領(lǐng)域取得顯著成果。而AI框架則是為開(kāi)發(fā)和訓(xùn)練AI模型提供的一套標(biāo)準(zhǔn)接口、特性庫(kù)和工具包,它集成了算法的封裝、數(shù)據(jù)的調(diào)用以及計(jì)算資源的使用,是AI
    的頭像 發(fā)表于 07-15 11:42 ?1829次閱讀

    AI模型與傳統(tǒng)AI的區(qū)別

    AI模型(如LLM,即大型語(yǔ)言模型)與傳統(tǒng)AI在多個(gè)方面存在顯著的區(qū)別。以下將從技術(shù)層面、應(yīng)用場(chǎng)景、性能表現(xiàn)、計(jì)算資源和成本、以及發(fā)展趨勢(shì)
    的頭像 發(fā)表于 07-15 11:37 ?5783次閱讀