محبوبترینها
با چاپ روی وسایل یک کسب و کار پرسود بسازید
قیمت دیگ بخار و تولیدکننده اصلی دیگ بخار
معروف‌ترین هدیه و سوغاتی یزد مشخص شد!
آشنایی با انواع دوربین مداربسته ضد آب
پرداخت اینترنتی قبوض ساختمان (پرداخت قبض گاز، برق و آب)
بهترین دوره آموزش سئو محتوا در سال 1403 با نام طوفان ۱۴۰۳ در فروردین ماه شروع می شود
یک صرافی ارز دیجیتال چه امکاناتی باید داشته باشد؟
تعمیرگاه مجاز تعمیر ماشین لباسشویی در شرق تهران
تعمیرگاه مجاز تعمیر ماشین لباسشویی در شرق تهران
جراحی و درمان ریشه دندان عفونی با خانم دکتر صفوراامامی
چه مواردی بر قیمت کابین دوش حمام تاثیر دارند؟
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 :
1798361947
روشی متفاوت برای شناسایی نقاط فقیرنشین/ فیلم
واضح آرشیو وب فارسی:مهر:
روشی متفاوت برای شناسایی نقاط فقیرنشین/ فیلم
شناسهٔ خبر: 3748082 - دوشنبه ۱ شهریور ۱۳۹۵ - ۰۸:۴۳
جامعه > شهری
.jwplayer{ display: inline-block; } دریافت 65 MB
با استفاده از عکس های باکیفیت و دقیق ماهواره ای می توان به تامین داده های الگوریتم یادگیری ماشین پرداخت تا نقشه برداری بهتری از نواحی فقیرنشین یا توسعه نیافته در اختیار داشت. به گزارش خبرنگار مهر، بنا به گزارش منتشر شده از سوی گروه بانک جهانی، حدود ۹۰۰ میلیون نفر در سراسر جهان دریافتی کمتر از ۱.۹ دلار درآمد روزانه دارند. با وجود چنین آماری اما هنوز بررسی های دقیقی در رابطه با شناسایی دقیق نواحی فقیرنشین و کمتر توسعه یافته انجام نشده است. اکنون محققان دانشگاه استنفورد با بهره از عکس های با کیفیت و همینطور الگوریتم یادگیری ماشین به بررسی مناطق فقیرنشین و همینطور توسعه یافته شهری و رفاهی پرداخته اند. این روش می تواند اطلاعات مفیدی را درباره نواحی دور از دسترس یا کمتر شناخته شده در اختیار محققان قرار دهد. اما عکس برداری ماهواره ای به تنهایی نمی تواند آمار و جداول دقیقی از مناطق فقیرنشین را نمایش دهد به همین دلیل محققان برای استفاده از این اطلاعات به الگوریتم یادگیری ماشین طراحی خاص و تصاویر روز و شب روی آورده اند. تصاویر گرفته شده در روز یا شب می توانند اطلاعات جامع تری را منتقل کنند زیرا در شب، وجود نقاط روشن می تواند گواهی از مناطق پیشرفته تر باشد. اما با بررسی این اطلاعات به همراه تصاویر روز و با استفاده از سیستم یادگیری ماشین می توان به اطلاعاتی مانند میزان پیشرفت جاده ها، امکانات رفاهی، توسعه شهرنشینی و ... دست یافت.
این صفحه را در گوگل محبوب کنید
[ارسال شده از: مهر]
[مشاهده در: www.mehrnews.com]
[تعداد بازديد از اين مطلب: 37]
-
اجتماع و خانواده
پربازدیدترینها