محبوبترینها
نمایش جنگ دینامیت شو در تهران [از بیوگرافی میلاد صالح پور تا خرید بلیط]
9 روش جرم گیری ماشین لباسشویی سامسونگ برای از بین بردن بوی بد
ساندویچ پانل: بهترین گزینه برای ساخت و ساز سریع
خرید بیمه، استعلام و مقایسه انواع بیمه درمان ✅?
پروازهای مشهد به دبی چه زمانی ارزان می‌شوند؟
تجربه غذاهای فرانسوی در قلب پاریس بهترین رستوران‌ها و کافه‌ها
دلایل زنگ زدن فلزات و روش های جلوگیری از آن
خرید بلیط چارتر هواپیمایی ماهان _ ماهان گشت
سیگنال در ترید چیست؟ بررسی انواع سیگنال در ترید
بهترین هدیه تولد برای متولدین زمستان: هدیه‌های کاربردی برای روزهای سرد
در خرید پارچه برزنتی به چه نکاتی باید توجه کنیم؟
صفحه اول
آرشیو مطالب
ورود/عضویت
هواشناسی
قیمت طلا سکه و ارز
قیمت خودرو
مطالب در سایت شما
تبادل لینک
ارتباط با ما
مطالب سایت سرگرمی سبک زندگی سینما و تلویزیون فرهنگ و هنر پزشکی و سلامت اجتماع و خانواده تصویری دین و اندیشه ورزش اقتصادی سیاسی حوادث علم و فناوری سایتهای دانلود گوناگون
مطالب سایت سرگرمی سبک زندگی سینما و تلویزیون فرهنگ و هنر پزشکی و سلامت اجتماع و خانواده تصویری دین و اندیشه ورزش اقتصادی سیاسی حوادث علم و فناوری سایتهای دانلود گوناگون
آمار وبسایت
تعداد کل بازدیدها :
1826691252
فقر جوامع حتی از فضا هم پدیدار است - گجت نیوز
واضح آرشیو وب فارسی:گجت نیوز: فقر جوامع ، یکی از بزرگترین معضلات دنیای امروزی است.فقر نشانه های بسیاری دارد اما شاید برایتان جال باشد که بدانید یکی از روش های جدید برای شناخت مناطق محروم، بررسی چهره این مانطق از فضا است.چیزی که به خوبی در تصاویر ماهواره ای پدیدار است. مناطق کم نور زمین از فضا، یکی از نشانه های محرومیت و فقر جوامع آن مناطق است همه می دانند که هر چه مناطق بیشتری در شب از نور برخوردار باشند، توسعه یافته تر و غنی تر هستند. محققان از این شیوه برای تخمین فقر در مناطقی استفاده کردند که داده های دقیقی از آن ها در دست نیست. البته برآوردها بر اساس نور شب بیشتر بر پایه حدس هستند و اطلاعات زیادی در مورد تفاوت ثروت در میان اقشار بسیار فقیر ارائه نمی کنند. این تکنیک تصویربرداری می تواند کار سازمان های امدادرسانی را برای شناسایی مناطق نیازمند کمک تسهیل کرده و حتی به دولت ها برای توسعه سیاست های بهتر کمک کند. دانشمندان دانشگاه استنفورد به یک رایانه، سه منبع داده شامل تصاویر نور شب، تصاویر روز و اطلاعات پیمایشی واقعی را ارائه کردند تا الگوریتمی را برای پیش بینی میزان غنی یا فقیر بودن مناطق ایجاد کنند. این روش که در مجله ساینس منتشر شده، توانسته فقر را به جزئیات بیشتری نسبت به روش های پیشین برآورد کند. ساخت این الگوریتم شامل یک فرآیند دومرحله ای موسوم به “یادگیری انتقال” بود. در مرحله اول، دانشمندان تصاویر روز و شب پنج کشور آفریقایی اوگاندا، تانزانیا، نیجریه، مالاوی و رواندا را به یک شبکه عصبی رایانه ای نشان دادند. آن ها با استفاده از تکنیک های یادگیری عمیق، به رایانه آموزش دادند تا محل نورهای شبانه را با نگاه کردن به تصاویر روز و جستجو برای ارتباط آنها پیش بینی کنند. این مدل برای مثال یاد گرفت که اگر تعداد خانه بیشتری در یک منطقه باشد، احتمالا نور بیشتری در شب تولید می کند.محققان با آموزش دادن به رایانه ها در مورد اینکه کدام ویژگیهای روز با نور شبانه مرتبط است، می توانند پیش بینی بهتری در مورد مناطق فقیر داشته باشند. آن ها در مرحله دوم از یک مدل متفاوت موسوم به مدل رگرسیون خط الراس استفاده کردند. این مدل از قبل ارتباط بین ویژگی های منطقه و نور را می داند. دانشمندان سپس اطلاعات بیشتری به آن ارائه کردند که شامل داده های پیمایشی واقعی از خدمات بهداشت جمعیتی و مطالعه ارزیابی استانداردهای زندگی بانک جهانی بودند. البته این مدل به تنهایی برای سنجش فقر در یک شهر سودمند نبود. گام بعدی محققان، آموزش این الگوریتم برای بررسی کشورهای دیگر به منظور نقشه برداری بهتر از فقر جوامع در سراسر جهان است. منبع : phys
جمعه ، ۲۹مرداد۱۳۹۵
[مشاهده متن کامل خبر]
این صفحه را در گوگل محبوب کنید
[ارسال شده از: گجت نیوز]
[مشاهده در: www.tnews.ir]
[تعداد بازديد از اين مطلب: 33]
-
گوناگون
پربازدیدترینها