日B视频 亚洲,啪啪啪网站一区二区,91色情精品久久,日日噜狠狠色综合久,超碰人妻少妇97在线,999青青视频,亚洲一区二卡,让本一区二区视频,日韩网站推荐

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加州,它迫使洛杉磯西部和東部大約數(shù)萬居民撤離。許多人希望利用AI來預(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,這仍需很長的時(shí)間來進(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300人下落不明。

野火已經(jīng)燒毀了上萬座建筑物,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的說法,在近年來野火情況愈發(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,包括那些未開放的灣區(qū)山頂。專家說,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:“許多人正在研究如何使用人工智能來確定火災(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)和美國林務(wù)局之間的合作。它使用國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。過去幾年來,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)用來自GOES -16和GOES-17的數(shù)據(jù)。Koltunov說,在過去幾年中發(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,目前沒有一種方法能成為萬靈藥

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,但并沒有達(dá)到真正理想的效果。

“每種方法都有其局限性,”他說,“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

    1096

    瀏覽量

    42461
  • AI
    AI
    +關(guān)注

    關(guān)注

    91

    文章

    41605

    瀏覽量

    302887
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    67

    文章

    8569

    瀏覽量

    137340

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

    機(jī)器學(xué)習(xí)中的數(shù)據(jù)質(zhì)量雙保障:從“驗(yàn)證”到“標(biāo)記”

    機(jī)器學(xué)習(xí)的世界里,有句老話尤為貼切:“garbagein,garbageout”(輸入垃圾,輸出垃圾)。無論模型架構(gòu)多先進(jìn)、算法多精妙,數(shù)據(jù)的質(zhì)量始終是決定模型性能的核心。本文聚焦數(shù)據(jù)
    的頭像 發(fā)表于 04-24 15:48 ?140次閱讀
    <b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>中的<b class='flag-5'>數(shù)據(jù)</b>質(zhì)量雙保障:從“驗(yàn)證”到“標(biāo)記”

    電纜故障定位預(yù)警所涉及的技術(shù)及其分布

    原理在于實(shí)時(shí)監(jiān)測(cè)、數(shù)據(jù)分析、精準(zhǔn)定位以及預(yù)警發(fā)布等多個(gè)內(nèi)容。 通過在電纜本體、接頭及終端部署傳感器(如溫度傳感器、高頻電流傳感器、超聲波傳感器),持續(xù)采集關(guān)鍵參數(shù),實(shí)現(xiàn)對(duì)電纜運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè);利用
    的頭像 發(fā)表于 04-24 13:38 ?104次閱讀
    電纜故障<b class='flag-5'>定位</b>預(yù)警所涉及的技術(shù)及其分布

    小紅書 API+AI:商業(yè)情報(bào)收集

    ,實(shí)現(xiàn)情報(bào)收集的合規(guī)化、自動(dòng)化、精準(zhǔn)化,成為品牌搶占市場(chǎng)先機(jī)的核心工具,以下為全流程核心要點(diǎn)。 一、核心定位:API+AI賦能商業(yè)情報(bào)收集的核心價(jià)值 該API可合規(guī)獲取競(jìng)品筆記的完整結(jié)
    的頭像 發(fā)表于 04-03 14:14 ?307次閱讀

    利用高密度內(nèi)存顯著優(yōu)化人工智能欺詐檢測(cè)的基礎(chǔ)設(shè)施成本

    人工智能欺詐檢測(cè)是金融科技公司的一項(xiàng)關(guān)鍵工作。欺詐監(jiān)控涉及多種機(jī)制,例如采用自然語言處理技術(shù)篩選通信中的可疑內(nèi)容、利用機(jī)器學(xué)習(xí)區(qū)分欺詐交易和合法交易,以及運(yùn)用分析技術(shù)區(qū)分正常用戶行為和異常行為,并基于歷史
    的頭像 發(fā)表于 03-10 09:47 ?726次閱讀

    數(shù)據(jù)到模型:如何預(yù)測(cè)細(xì)節(jié)距鍵合的剪切力?

    預(yù)估其剪切力?行業(yè)內(nèi)的研究數(shù)據(jù)為我們揭示了可能性。今天,科準(zhǔn)測(cè)控小編將帶您了解如何基于實(shí)驗(yàn)數(shù)據(jù)建立并應(yīng)用預(yù)測(cè)模型,實(shí)現(xiàn)從“測(cè)量”到“預(yù)估”的關(guān)鍵跨越。 一、從平方定律到經(jīng)驗(yàn)公式 直觀上,我們可能會(huì)假設(shè)
    發(fā)表于 01-08 09:45

    labview如何實(shí)現(xiàn)數(shù)據(jù)的采集與實(shí)時(shí)預(yù)測(cè)

    現(xiàn)有以下問題:labview可以實(shí)現(xiàn)數(shù)據(jù)的采集以及調(diào)用python代碼,但如何將這兩項(xiàng)功能集成在一個(gè)VI文件里,從而實(shí)現(xiàn)數(shù)據(jù)的采集與實(shí)時(shí)預(yù)測(cè)?,F(xiàn)有條件如下:已完成數(shù)據(jù)的采集系統(tǒng),pyt
    發(fā)表于 12-03 21:13

    機(jī)器視覺檢測(cè)PIN針

    結(jié)合形態(tài)學(xué)處理、特征提?。ㄈ玳L寬比、面積)及深度學(xué)習(xí)(針對(duì)復(fù)雜缺陷),自動(dòng)檢出彎曲、斷裂、變形、污染等。輸出與控制:實(shí)時(shí)顯示檢測(cè)結(jié)果(OK/NG)及具體參數(shù)數(shù)值。生成檢測(cè)報(bào)告,支持數(shù)據(jù)追溯。NG品自動(dòng)剔除信號(hào)輸出,無縫對(duì)接產(chǎn)
    發(fā)表于 09-26 15:09

    諧波 THD 超標(biāo),如何通過監(jiān)測(cè)數(shù)據(jù)定位諧波源?

    諧波 THD(總諧波畸變率)超標(biāo)時(shí),定位諧波源的核心邏輯是利用諧波的 “傳播特性”(從源端向負(fù)荷端衰減)和 “頻譜特征”(不同諧波源產(chǎn)生特定頻次的諧波),結(jié)合多維度監(jiān)測(cè)數(shù)據(jù)(時(shí)空分布、
    的頭像 發(fā)表于 09-23 11:43 ?1489次閱讀
    諧波 THD 超標(biāo),如何通過監(jiān)測(cè)<b class='flag-5'>數(shù)據(jù)</b><b class='flag-5'>定位</b>諧波源?

    如何收集電能質(zhì)量在線監(jiān)測(cè)裝置的運(yùn)行數(shù)據(jù)

    收集電能質(zhì)量在線監(jiān)測(cè)裝置的運(yùn)行數(shù)據(jù),需遵循 “ 明確目標(biāo)→準(zhǔn)備工具→選擇采集方式→驗(yàn)證數(shù)據(jù)完整性 ” 的邏輯流程,確保數(shù)據(jù)覆蓋監(jiān)測(cè)需求、具備
    的頭像 發(fā)表于 09-18 10:46 ?699次閱讀
    如何<b class='flag-5'>收集</b>電能質(zhì)量在線監(jiān)測(cè)裝置的運(yùn)行<b class='flag-5'>數(shù)據(jù)</b>?

    基于 SSID 的 Wi-Fi 定位:與其他定位服務(wù)的性能比較

    Wi-Fi 配套 IC,不發(fā)送數(shù)據(jù),但可以進(jìn)行主動(dòng)和被動(dòng)掃描,純粹用于 Wi-Fi 定位目的。結(jié)合我們的 nRF9160 蜂窩物聯(lián)網(wǎng)模組和 nRF Cloud服務(wù),nRF7000 可通過嗅探本地 Wi-Fi 接入點(diǎn)的 SSID
    發(fā)表于 08-31 21:01

    AI 驅(qū)動(dòng)三維逆向:點(diǎn)云降噪算法工具機(jī)器學(xué)習(xí)建模能力的前沿應(yīng)用

    在三維逆向工程領(lǐng)域,傳統(tǒng)方法在處理復(fù)雜數(shù)據(jù)和構(gòu)建高精度模型時(shí)面臨諸多挑戰(zhàn)。隨著人工智能(AI)技術(shù)的發(fā)展,點(diǎn)云降噪算法工具機(jī)器學(xué)習(xí)建模能力的應(yīng)用,為三維逆向工程帶來了創(chuàng)新性解決方案,
    的頭像 發(fā)表于 08-20 10:00 ?904次閱讀
    AI 驅(qū)動(dòng)三維逆向:點(diǎn)云降噪算法<b class='flag-5'>工具</b>與<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>建模能力的前沿應(yīng)用

    任正非說 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)行房價(jià)預(yù)測(cè)。收集當(dāng)?shù)胤績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

    邊緣計(jì)算中的機(jī)器學(xué)習(xí):基于 Linux 系統(tǒng)的實(shí)時(shí)推理模型部署與工業(yè)集成!

    你好,旅行者!歡迎來到Medium的這一角落。在本文中,我們將把一個(gè)機(jī)器學(xué)習(xí)模型(神經(jīng)網(wǎng)絡(luò))部署到邊緣設(shè)備上,利用從ModbusTCP寄存器獲取的實(shí)時(shí)數(shù)據(jù)
    的頭像 發(fā)表于 06-11 17:22 ?1181次閱讀
    邊緣計(jì)算中的<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>:基于 Linux 系統(tǒng)的實(shí)時(shí)推理模型部署與工業(yè)集成!

    恩智浦eIQ Time Series Studio工具使用教程之數(shù)據(jù)智能

    能夠通過可視化界面將相應(yīng)的數(shù)據(jù)標(biāo)簽(如電弧或無電弧)應(yīng)用于當(dāng)前數(shù)據(jù)圖形的不同部分,從而對(duì)導(dǎo)入的原始數(shù)據(jù)進(jìn)行分類。然后,該工具根據(jù)標(biāo)簽對(duì)原始數(shù)據(jù)
    的頭像 發(fā)表于 06-05 10:10 ?1742次閱讀
    恩智浦eIQ Time Series Studio<b class='flag-5'>工具</b>使用教程之<b class='flag-5'>數(shù)據(jù)</b>智能

    NXP eIQ Time Series Studio 工具使用攻略(九)-數(shù)據(jù)標(biāo)簽

    其中"Data Labeling",數(shù)據(jù)標(biāo)簽工具使用戶能夠通過可視化界面將相應(yīng)的數(shù)據(jù)標(biāo)簽(如電弧或無電?。?yīng)用于當(dāng)前數(shù)據(jù)圖形的不同部分,從而對(duì)導(dǎo)入的原始
    的頭像 發(fā)表于 05-22 09:51 ?1803次閱讀
    NXP eIQ Time Series Studio <b class='flag-5'>工具</b>使用攻略(九)-<b class='flag-5'>數(shù)據(jù)</b>標(biāo)簽
    新野县| 松滋市| 崇阳县| 平塘县| 五常市| 娱乐| 临泽县| 九龙县| 金湖县| 大埔区| 灌南县| 信宜市| 遵化市| 临桂县| 新宾| 托里县| 盐津县| 天长市| 沂南县| 平南县| 乌兰察布市| 隆回县| 离岛区| 洪湖市| 温宿县| 龙游县| 怀安县| 甘肃省| 东港市| 洛南县| 土默特左旗| 宜昌市| 宁远县| 肃北| 北票市| 扶余县| 紫云| 佛冈县| 黄石市| 延寿县| 通州区|