MIT的機(jī)器學(xué)習(xí)算法判斷社會(huì)隔離措施的有效性
大部分 Covid-19 預(yù)測是基于過去的疫情如 SARS 或 MERS 的數(shù)據(jù)。現(xiàn)在 MIT 的一群工程師開發(fā)了一個(gè)機(jī)器學(xué)習(xí)模型，使用 Covid-19 疫情數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)去判斷隔離措施的有效性，更好的預(yù)測病毒傳播。研究報(bào)告發(fā)表在預(yù)印本網(wǎng)站上。
預(yù)測傳染病擴(kuò)散的絕大部分模型被稱為 SEIR，將人群分類為“易感”、“暴露”、“感染”和“康復(fù)”四組。MIT 研究人員在此基礎(chǔ)上加入了隔離，如果被感染的人處于隔離中，那么病毒將不會(huì)傳播給其他人。
他們的模型發(fā)現(xiàn)，像韓國這樣的地方，政府迅速采取干預(yù)措施去實(shí)現(xiàn)強(qiáng)有力的社會(huì)隔離，那么病毒的傳播將會(huì)更快的抵達(dá)穩(wěn)定階段。而美國和意大利這樣比較緩慢的采取政府干預(yù)措施的地方，Covid-19 的有效繁殖數(shù)更長時(shí)間停留在 1 以上，這意味著病毒會(huì)繼續(xù)以指數(shù)傳播。
在目前的社會(huì)隔離措施下，意大利和美國將在 4 月 15 日-20 日之間到達(dá)穩(wěn)定階段。模型顯示社會(huì)隔離能有效的將病毒的繁殖數(shù)從 1 以上降低到 1 以下。
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。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，請聯(lián)系本站處理。
舉報(bào)投訴
-
MIT
+關(guān)注
關(guān)注
3文章
253瀏覽量
23504 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8439瀏覽量
133087
發(fā)布評論請先 登錄
相關(guān)推薦
集成電路新建項(xiàng)目機(jī)電二次配制定減震措施的流程是怎樣的？
制定集成電路新建項(xiàng)目機(jī)電二次配設(shè)備減震措施，需要從前期規(guī)劃到后期的監(jiān)測優(yōu)化，形成一個(gè)完整的流程，以確保減震措施的有效性和可靠性。以下是具體流程：
傳統(tǒng)機(jī)器學(xué)習(xí)方法和應(yīng)用指導(dǎo)
在上一篇文章中，我們介紹了機(jī)器學(xué)習(xí)的關(guān)鍵概念術(shù)語。在本文中，我們會(huì)介紹傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識和多種算法特征，供各位老師選擇。 01 傳統(tǒng)
設(shè)備智能運(yùn)維真正實(shí)現(xiàn)“智能”了嗎？
智能運(yùn)維的核心在于利用先進(jìn)的數(shù)據(jù)分析和機(jī)器學(xué)習(xí)技術(shù)，實(shí)現(xiàn)設(shè)備的預(yù)測性維護(hù)、故障診斷及性能優(yōu)化，以保證系統(tǒng)的穩(wěn)定性，實(shí)現(xiàn)降本增效。要判斷設(shè)備智能運(yùn)維是否真正實(shí)現(xiàn)了“智能”，我們可以從數(shù)據(jù)
NPU與機(jī)器學(xué)習(xí)算法的關(guān)系
在人工智能領(lǐng)域，機(jī)器學(xué)習(xí)算法是實(shí)現(xiàn)智能系統(tǒng)的核心。隨著數(shù)據(jù)量的激增和算法復(fù)雜度的提升，對計(jì)算資源的需求也在不斷增長。NPU作為一種專門為深度學(xué)習(xí)
魯棒性在機(jī)器學(xué)習(xí)中的重要性
在機(jī)器學(xué)習(xí)領(lǐng)域，模型的魯棒性是指模型在面對輸入數(shù)據(jù)的擾動(dòng)、異常值、噪聲或?qū)剐怨魰r(shí)，仍能保持性能的能力。隨著人工智能技術(shù)的快速發(fā)展，機(jī)器學(xué)習(xí)
【每天學(xué)點(diǎn)AI】KNN算法：簡單有效的機(jī)器學(xué)習(xí)分類器
過程，其實(shí)就是一個(gè)簡單的分類問題，而KNN（K-NearestNeighbors）算法正是模仿這種人類決策過程的機(jī)器學(xué)習(xí)算法。|什么是KNN？KNN（K-NearestNeighbo
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?dāng)?shù)據(jù)融合可有效鑒別春茶采收期，且數(shù)據(jù)融合后表現(xiàn)出更好的穩(wěn)定性和魯棒性，LIBS
觸發(fā)器的無效狀態(tài)怎么判斷
觸發(fā)器的無效狀態(tài)判斷是一個(gè)涉及數(shù)據(jù)庫管理和維護(hù)的重要方面。觸發(fā)器作為數(shù)據(jù)庫中的一種特殊對象，其有效性直接關(guān)系到數(shù)據(jù)庫操作的正確性和性能。
【「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
時(shí)間序列中的自相關(guān)性。
時(shí)間序列有基于線性場景，也有一些非線性性質(zhì)周期性和不對稱性、波動(dòng)的聚集性、波動(dòng)中出現(xiàn)的跳躍現(xiàn)象，以及時(shí)間的不可逆性。
發(fā)表于 08-07 23:03
機(jī)器學(xué)習(xí)算法原理詳解
機(jī)器學(xué)習(xí)作為人工智能的一個(gè)重要分支，其目標(biāo)是通過讓計(jì)算機(jī)自動(dòng)從數(shù)據(jù)中學(xué)習(xí)并改進(jìn)其性能，而無需進(jìn)行明確的編程。本文將深入解讀幾種常見的機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)的經(jīng)典算法與應(yīng)用
關(guān)于數(shù)據(jù)機(jī)器學(xué)習(xí)就是喂入算法和數(shù)據(jù)，讓算法從數(shù)據(jù)中尋找一種相應(yīng)的關(guān)系。Iris鳶尾花數(shù)據(jù)集是一個(gè)經(jīng)典數(shù)據(jù)集，在統(tǒng)計(jì)學(xué)習(xí)和
名單公布！【書籍評測活動(dòng)NO.35】如何用「時(shí)間序列與機(jī)器學(xué)習(xí)」解鎖未來？
設(shè)備的運(yùn)行狀況，生成各種維度的報(bào)告。
同時(shí)，通過大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)技術(shù)，可以對業(yè)務(wù)進(jìn)行預(yù)測和預(yù)警，從而協(xié)助社會(huì)和企業(yè)進(jìn)行科學(xué)決策、降低成本并創(chuàng)造新的價(jià)值。
當(dāng)今時(shí)代，數(shù)據(jù)無處不在，而時(shí)間序列數(shù)據(jù)更是
發(fā)表于 06-25 15:00
機(jī)器學(xué)習(xí)怎么進(jìn)入人工智能
，人工智能已成為一個(gè)熱門領(lǐng)域，涉及到多個(gè)行業(yè)和領(lǐng)域，例如語音識別、機(jī)器翻譯、圖像識別等。 在編程中進(jìn)行人工智能的關(guān)鍵是使用機(jī)器學(xué)習(xí)算法，這是一類基于樣本數(shù)據(jù)和模型訓(xùn)練來進(jìn)行預(yù)測和
機(jī)器學(xué)習(xí)8大調(diào)參技巧
今天給大家一篇關(guān)于機(jī)器學(xué)習(xí)調(diào)參技巧的文章。超參數(shù)調(diào)優(yōu)是機(jī)器學(xué)習(xí)例程中的基本步驟之一。該方法也稱為超參數(shù)優(yōu)化，需要搜索超參數(shù)的最佳配置以實(shí)現(xiàn)最佳性能。
為什么深度學(xué)習(xí)的效果更好？
導(dǎo)讀深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集，已成為人工智能領(lǐng)域的一項(xiàng)變革性技術(shù)，在從計(jì)算機(jī)視覺、自然語言處理到自動(dòng)駕駛汽車等廣泛的應(yīng)用中取得了顯著的成功。深度
工商網(wǎng)監(jiān)
評論