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

利用機(jī)器學(xué)習(xí)和新數(shù)據(jù)收集工具的結(jié)合,預(yù)測(cè)和定位野火

DPVg_AI_era ? 來(lái)源:未知 ? 作者:李倩 ? 2018-11-18 09:52 ? 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

近日一場(chǎng)森林大火摧毀了美國(guó)加州,它迫使洛杉磯西部和東部大約數(shù)萬(wàn)居民撤離。許多人希望利用AI來(lái)預(yù)測(cè)或確定火災(zāi)位置和蔓延路徑。但機(jī)器學(xué)習(xí)和新數(shù)據(jù)收集工具的結(jié)合是否可以提前警告消防員火災(zāi),幫助應(yīng)急人員更有效地撤離地區(qū),甚至挽救生命,這仍需很長(zhǎng)的時(shí)間來(lái)進(jìn)行探索檢驗(yàn)。

今年加州的野火已經(jīng)蔓延了數(shù)十萬(wàn)英畝,當(dāng)?shù)鼐用癖黄仁枭?,迅速蔓延的火?shì)已致數(shù)十人死亡,超過(guò)300人下落不明。

野火已經(jīng)燒毀了上萬(wàn)座建筑物,成為該州現(xiàn)代歷史上毀滅性最強(qiáng)、規(guī)模最大的火災(zāi)。

但如果早先發(fā)現(xiàn)致命火災(zāi)的苗頭,并且官員能夠給予更多關(guān)注,一些居民可能已經(jīng)能夠避免陷入如此困境,甚至可能避免死亡。

那么,技術(shù)能在多大程度上幫助自動(dòng)檢測(cè)甚至預(yù)測(cè)野火呢?計(jì)算機(jī)科學(xué)家們和研究人員都希望相關(guān)技術(shù)能夠進(jìn)一步發(fā)展。

利用機(jī)器學(xué)習(xí)和新數(shù)據(jù)收集工具的結(jié)合,預(yù)測(cè)和定位野火

根據(jù)加州相關(guān)部門的政府官員Jim Crawford的說(shuō)法,在近年來(lái)野火情況愈發(fā)糟糕的情況下,早期檢測(cè)是關(guān)鍵,他曾有過(guò)26年的消防員生涯。

消防機(jī)構(gòu)大多發(fā)現(xiàn)的火災(zāi)是通過(guò)接到911電話才得知,當(dāng)?shù)貢r(shí)間11月8日早上6點(diǎn)29分首次報(bào)道了這起火災(zāi),但當(dāng)?shù)叵啦块T表示并不知道這場(chǎng)大火到底燃燒了多長(zhǎng)時(shí)間,因?yàn)樗加谝粋€(gè)難以找到的區(qū)域。

消防機(jī)構(gòu)還攝像監(jiān)控著整個(gè)加州,包括那些未開(kāi)放的灣區(qū)山頂。專家說(shuō),有些攝像機(jī)是由檢測(cè)算法和衛(wèi)星輔助的,但系統(tǒng)不是很實(shí)時(shí),分辨率可能更好。

圣何塞州立大學(xué)氣象與氣候科學(xué)系火災(zāi)天氣研究實(shí)驗(yàn)室副教授Craig Clements說(shuō):“許多人正在研究如何使用人工智能來(lái)確定火災(zāi)位置和蔓延路徑?!?/p>

GOES-15

例如,地球同步運(yùn)行環(huán)境衛(wèi)星(GOES)的早期火災(zāi)探測(cè)系統(tǒng)是加州大學(xué)戴維斯分??臻g技術(shù)與遙感中心(CSTARS)和美國(guó)林務(wù)局之間的合作。它使用國(guó)家海洋和大氣管理局的氣象衛(wèi)星和火災(zāi)探測(cè)算法。

CSTARS的科學(xué)家Alex Koltunov擁有博士學(xué)位。過(guò)去幾年來(lái),他一直在遠(yuǎn)程傳感方面研究和制定系統(tǒng)的算法——編程規(guī)則以執(zhí)行或計(jì)算某些任務(wù),其目標(biāo)是優(yōu)化數(shù)據(jù)處理,實(shí)現(xiàn)更早地發(fā)現(xiàn)火災(zāi)位置。

他和他的同事一直在使用GOES-15,這是一顆于2010年發(fā)射的衛(wèi)星,使用過(guò)去的圖像和其他州的火災(zāi)報(bào)告進(jìn)行測(cè)試,以幫助微調(diào)算法。他希望有一天能夠應(yīng)用來(lái)自GOES -16和GOES-17的數(shù)據(jù)。Koltunov說(shuō),在過(guò)去幾年中發(fā)射的這些衛(wèi)星,可以“每5分鐘或每分鐘一次”提供高分辨率的圖像。高分辨率的圖像可以幫助消防員更快、更準(zhǔn)確地檢測(cè)到野火的位置。

在火災(zāi)惡化的情況下,目前沒(méi)有一種方法能成為萬(wàn)靈藥

Alex Koltunov是加州大學(xué)戴維斯分校的研究人員,他設(shè)計(jì)的算法解析了氣象衛(wèi)星的數(shù)據(jù)以標(biāo)記可能發(fā)生的火災(zāi)。然而,他表示盡管近年來(lái)技術(shù)驅(qū)動(dòng)的火災(zāi)探測(cè)方法取得了巨大進(jìn)步,但并沒(méi)有達(dá)到真正理想的效果。

“每種方法都有其局限性,”他說(shuō),“數(shù)據(jù)有多好?有些檢測(cè)到的卻是后院的篝火和燒烤?!?/p>

專家和消防員一致認(rèn)為溝通是關(guān)鍵,最好的火災(zāi)探測(cè)系統(tǒng)優(yōu)先考慮所有相關(guān)方之間的數(shù)據(jù)共享,無(wú)論是人類、算法、政府機(jī)構(gòu)還是其他相關(guān)人員。

有時(shí),所謂的技術(shù)突破只是針對(duì)消費(fèi)者進(jìn)行更新的項(xiàng)目而已。一位加州消防隊(duì)員稱,該州最有價(jià)值的滅火工具之一其實(shí)是不起眼的手機(jī),它可以讓普通人在發(fā)現(xiàn)火災(zāi)時(shí)撥打緊急服務(wù)電話。

與此同時(shí),弗吉尼亞州NASA Goddard的一名計(jì)算機(jī)工程師測(cè)試了一種神經(jīng)網(wǎng)絡(luò):一種用于模擬人類大腦的機(jī)器學(xué)習(xí)工具,可以使用MODIS探測(cè)野火,MODIS是一種基于衛(wèi)星的系統(tǒng),可拍攝地球照片并傳輸用于天氣預(yù)報(bào)等事項(xiàng)的數(shù)據(jù)。研究人員希望該系統(tǒng)最終可以實(shí)現(xiàn)野火的自動(dòng)檢測(cè)。

他在一次電話采訪中表示,他發(fā)現(xiàn)該系統(tǒng)使用了來(lái)自世界各地的一年的火災(zāi)數(shù)據(jù),在檢測(cè)火災(zāi)方面準(zhǔn)確率接近98%。他希望未來(lái)將以用于火災(zāi)探測(cè)為唯一目的的廉價(jià)衛(wèi)星發(fā)送到太空,并將其與“非常適合檢測(cè)模式”的神經(jīng)網(wǎng)絡(luò)相結(jié)合,但這一模式的實(shí)現(xiàn)可能需要數(shù)年時(shí)間。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(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
  • 圖像
    +關(guān)注

    關(guān)注

    2

    文章

    1094

    瀏覽量

    41282
  • AI
    AI
    +關(guān)注

    關(guān)注

    88

    文章

    35168

    瀏覽量

    280107
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8503

    瀏覽量

    134647

原文標(biāo)題:加州山火肆虐!用AI預(yù)測(cè)與定位火災(zāi)迫在眉睫

文章出處:【微信號(hào):AI_era,微信公眾號(hào):新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

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

    任正非說(shuō) AI已經(jīng)確定是第四次工業(yè)革命 那么如何從容地加入進(jìn)來(lái)呢?

    從簡(jiǎn)單的AI應(yīng)用入手,如使用機(jī)器學(xué)習(xí)算法進(jìn)行房?jī)r(jià)預(yù)測(cè)收集當(dāng)?shù)胤績(jī)r(jià)的相關(guān)數(shù)據(jù),包括面積、房齡、周邊設(shè)施等信息,然后選擇合適的回歸算法(如線
    發(fā)表于 07-08 17:44

    【「# ROS 2智能機(jī)器人開(kāi)發(fā)實(shí)踐」閱讀體驗(yàn)】視覺(jué)實(shí)現(xiàn)的基礎(chǔ)算法的應(yīng)用

    人部署,詳細(xì)介紹了基于顏色閾值和深度學(xué)習(xí)的巡線方法。 二維碼識(shí)別則廣泛應(yīng)用于機(jī)器人定位與任務(wù)觸發(fā),例如AGV(自動(dòng)導(dǎo)引車)的路徑規(guī)劃。 深度學(xué)習(xí)機(jī)器人視覺(jué)中的崛起 書中重點(diǎn)介紹了
    發(fā)表于 05-03 19:41

    **【技術(shù)干貨】Nordic nRF54系列芯片:傳感器數(shù)據(jù)采集與AI機(jī)器學(xué)習(xí)的完美結(jié)合**

    【技術(shù)干貨】nRF54系列芯片:傳感器數(shù)據(jù)采集與AI機(jī)器學(xué)習(xí)的完美結(jié)合 近期收到不少伙伴咨詢nRF54系列芯片的應(yīng)用與技術(shù)細(xì)節(jié),今天我們整理幾個(gè)核心問(wèn)題與解答,帶你快速掌握如何在nRF
    發(fā)表于 04-01 00:00

    FPGA+AI王炸組合如何重塑未來(lái)世界:看看DeepSeek東方神秘力量如何預(yù)測(cè)......

    現(xiàn)出色,例如在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中。 ? 工業(yè)自動(dòng)化:用于實(shí)現(xiàn)復(fù)雜的控制邏輯和實(shí)時(shí)數(shù)據(jù)處理。 ? 視頻處理:在視頻分割系統(tǒng)中用于處理高清視頻信號(hào),實(shí)現(xiàn)多屏拼接顯示。 ?
    發(fā)表于 03-03 11:21

    傳統(tǒng)機(jī)器學(xué)習(xí)方法和應(yīng)用指導(dǎo)

    用于開(kāi)發(fā)生物學(xué)數(shù)據(jù)機(jī)器學(xué)習(xí)方法。盡管深度學(xué)習(xí)(一般指神經(jīng)網(wǎng)絡(luò)算法)是一個(gè)強(qiáng)大的工具,目前也非常流行,但它的應(yīng)用領(lǐng)域仍然有限。與深度
    的頭像 發(fā)表于 12-30 09:16 ?1194次閱讀
    傳統(tǒng)<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>方法和應(yīng)用指導(dǎo)

    【「具身智能機(jī)器人系統(tǒng)」閱讀體驗(yàn)】+數(shù)據(jù)在具身人工智能中的價(jià)值

    嵌入式人工智能(EAI)將人工智能集成到機(jī)器人等物理實(shí)體中,使它們能夠感知、學(xué)習(xí)環(huán)境并與之動(dòng)態(tài)交互。這種能力使此類機(jī)器人能夠在人類社會(huì)中有效地提供商品及服務(wù)。 數(shù)據(jù)是一種貨幣化
    發(fā)表于 12-24 00:33

    構(gòu)建云原生機(jī)器學(xué)習(xí)平臺(tái)流程

    構(gòu)建云原生機(jī)器學(xué)習(xí)平臺(tái)是一個(gè)復(fù)雜而系統(tǒng)的過(guò)程,涉及數(shù)據(jù)收集、處理、特征提取、模型訓(xùn)練、評(píng)估、部署和監(jiān)控等多個(gè)環(huán)節(jié)。
    的頭像 發(fā)表于 12-14 10:34 ?436次閱讀

    自然語(yǔ)言處理與機(jī)器學(xué)習(xí)的關(guān)系 自然語(yǔ)言處理的基本概念及步驟

    Learning,簡(jiǎn)稱ML)是人工智能的一個(gè)核心領(lǐng)域,它使計(jì)算機(jī)能夠從數(shù)據(jù)學(xué)習(xí)并做出預(yù)測(cè)或決策。自然語(yǔ)言處理與機(jī)器學(xué)習(xí)之間有著密切的關(guān)系
    的頭像 發(fā)表于 12-05 15:21 ?1989次閱讀

    什么是機(jī)器學(xué)習(xí)?通過(guò)機(jī)器學(xué)習(xí)方法能解決哪些問(wèn)題?

    來(lái)源:Master編程樹(shù)“機(jī)器學(xué)習(xí)”最初的研究動(dòng)機(jī)是讓計(jì)算機(jī)系統(tǒng)具有人的學(xué)習(xí)能力以便實(shí)現(xiàn)人工智能。因?yàn)闆](méi)有學(xué)習(xí)能力的系統(tǒng)很難被認(rèn)為是具有智能的。目前被廣泛采用的
    的頭像 發(fā)表于 11-16 01:07 ?967次閱讀
    什么是<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>?通過(guò)<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>方法能解決哪些問(wèn)題?

    LIBS結(jié)合機(jī)器學(xué)習(xí)算法的江西名優(yōu)春茶采收期鑒別

    以廬山云霧茶和狗牯腦茶的明前茶、雨前茶為對(duì)象,研究激光誘導(dǎo)擊穿光譜結(jié)合機(jī)器學(xué)習(xí)的茶葉鑒別方法。將茶葉茶,水數(shù)據(jù)融合可有效鑒別春茶采收期,且數(shù)據(jù)
    的頭像 發(fā)表于 10-22 18:05 ?649次閱讀
    LIBS<b class='flag-5'>結(jié)合</b><b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>算法的江西名優(yōu)春茶采收期鑒別

    【《時(shí)間序列與機(jī)器學(xué)習(xí)》閱讀體驗(yàn)】+ 時(shí)間序列的信息提取

    本人有些機(jī)器學(xué)習(xí)的基礎(chǔ),理解起來(lái)一點(diǎn)也不輕松,加油。 作者首先說(shuō)明了時(shí)間序列的信息提取是時(shí)間序列分析的一個(gè)重要環(huán)節(jié),目標(biāo)是從給定的時(shí)間序列數(shù)據(jù)中提取出有用的信息和特征,以支持后續(xù)的分析和預(yù)測(cè)
    發(fā)表于 08-14 18:00

    【「時(shí)間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】+ 簡(jiǎn)單建議

    這本書以其系統(tǒng)性的框架和深入淺出的講解,為讀者繪制了一幅時(shí)間序列分析與機(jī)器學(xué)習(xí)融合應(yīng)用的宏偉藍(lán)圖。作者不僅扎實(shí)地構(gòu)建了時(shí)間序列分析的基礎(chǔ)知識(shí),更巧妙地展示了機(jī)器學(xué)習(xí)如何在這一領(lǐng)域發(fā)揮巨
    發(fā)表于 08-12 11:21

    【《時(shí)間序列與機(jī)器學(xué)習(xí)》閱讀體驗(yàn)】+ 了解時(shí)間序列

    。 可以探索現(xiàn)象發(fā)展變化的規(guī)律,對(duì)某些社會(huì)經(jīng)濟(jì)現(xiàn)象進(jìn)行預(yù)測(cè)。 利用時(shí)間序列可以在不同地區(qū)或國(guó)家之間進(jìn)行對(duì)比分析,這也是統(tǒng)計(jì)分析的重要方法之一。 而《時(shí)間序列與機(jī)器學(xué)習(xí)》一書的后幾章分別
    發(fā)表于 08-11 17:55

    【「時(shí)間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】全書概覽與時(shí)間序列概述

    數(shù)據(jù)中提取特征并將其轉(zhuǎn)化為交易策略,以及機(jī)器學(xué)習(xí)在其他金融領(lǐng)域(包括資產(chǎn)定價(jià)、資產(chǎn)配置、波動(dòng)率預(yù)測(cè))的應(yīng)用。 全書彩版印刷,內(nèi)容結(jié)構(gòu)嚴(yán)整,條理清晰,循序漸進(jìn),由淺入深,是很好的時(shí)間序列
    發(fā)表于 08-07 23:03

    【《大語(yǔ)言模型應(yīng)用指南》閱讀體驗(yàn)】+ 基礎(chǔ)知識(shí)學(xué)習(xí)

    今天來(lái)學(xué)習(xí)大語(yǔ)言模型在自然語(yǔ)言理解方面的原理以及問(wèn)答回復(fù)實(shí)現(xiàn)。 主要是基于深度學(xué)習(xí)和自然語(yǔ)言處理技術(shù)。 大語(yǔ)言模型涉及以下幾個(gè)過(guò)程: 數(shù)據(jù)收集:大語(yǔ)言模型通過(guò)從互聯(lián)網(wǎng)、書籍、新聞、社交
    發(fā)表于 08-02 11:03