一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

AI模型表明口罩可以顯著減少當前局勢的傳播

獨愛72H ? 來源:教育新聞網(wǎng) ? 作者:教育新聞網(wǎng) ? 2020-05-09 22:30 ? 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

(文章來源:教育新聞網(wǎng))
在本周于Arxiv.org上發(fā)布的一項新的預印本研究中,劍橋大學,倫敦大學學院,巴黎高等經(jīng)濟學院,香港科技大學和芬蘭家庭聯(lián)合會的研究人員提出了兩種人工智能設計用于預測戴口罩對當前局勢傳播的影響的模型。共同作者說,表現(xiàn)最好的模型表明,當至少有80%的人口參與時,戴上口罩會產(chǎn)生“重大影響”,而當50%或更少的人選擇戴口罩時,戴上口罩會產(chǎn)生“最小影響”。其中一種模型的交互式可視化效果可在線獲得。

該論文的結果與美國疾病控制與預防中心和世界衛(wèi)生組織的指導相一致,二者均建議在公共場合戴口罩。當前局勢的傳播主要通過呼吸道飛沫發(fā)生,當感染者咳嗽或打噴嚏時,呼吸道飛沫可以落在別人的嘴或鼻子上。盡管初步研究表明,某些口罩(如手術口罩和呼吸器)比其他口罩更有效,但口罩被認為可以通過捕獲更大的液滴來減少傳播。

前述兩個模型中的第一個試圖預測與其他干預(主要是鎖定和物理距離)相比的屏蔽效果。它將人群分為代表疾病進展不同狀態(tài)的類別-易感,暴露,感染和康復-并使用所謂的動態(tài)動態(tài)網(wǎng)絡來緊密模仿社會中人們之間的接觸。由節(jié)點和邊組成的圖形表示個人(節(jié)點)及其交互(邊),相鄰節(jié)點形成一個人的“緊密接觸”網(wǎng)絡。從該網(wǎng)絡之外的任何地方進行的聯(lián)系都象征著更廣泛的人群之間的全球聯(lián)系。

通過改變影響互動程度和平均親密接觸次數(shù)的參數(shù),研究人員能夠使用該模型來衡量各種程度的社會疏遠和封鎖措施。為了進行研究,他們從最初的1%感染人口(67,000)開始,并使其適應了許多西方國家的當前時間表,并于3月24日實施了鎖定,并計劃于5月31日解除鎖定。從第0天(3月23日)到未來的500天-大約17個月的時間。

該團隊報告說,模擬顯示,采用率達到80%時,掩蓋會使感染曲線“顯著增加”,而不是保持鎖定狀態(tài)(導致60,000例死亡,而180,000例死亡)。這也意味著,采用50%的采用率進行掩蓋不足以阻止持續(xù)的傳播(24萬例死亡),并且在5月31日用社交隔離代替嚴格的鎖定措施而不進行掩蓋將導致不受控制的傳播。研究人員的第二個模型采用基于代理的技術,其中各個軟件代理“佩戴”具有不同指定屬性(例如,布或外科)的口罩。在200名人口中,假設感染率為1%,又按照進展程度(易感,暴露,感染和康復)進行了分類,研究人員模擬了疫情爆發(fā)后300天的情況,改變了人們戴著口罩和口罩的程度傳輸(呼氣)和吸收(吸氣)的特性。

研究人員說,基于代理的模擬結果表明,即使足夠早采用掩膜,即使掩膜是非醫(yī)療或自制的,掩膜也可以減少病毒傳播。爆發(fā)時采用100%的口罩采用會導致感染數(shù)量“急劇”減少,而90%的采用會在50天后被“抑制”。同時,發(fā)現(xiàn)50%的采用率不足,并且等到第75天制定屏蔽策略后,感染的抑制程度才能降低。這兩個研究人員的模型都表明,如果在封鎖解除之前,五分之四的人開始在公共場合戴著布口罩,那么新的COVID-19病例數(shù)可能會下降到足以退出封鎖并避免第二波感染的時間。另一方面,如果每隔兩個人開始戴口罩,則感染率將大幅下降,但可能不足以阻止第二波感染。

(責任編輯:fqj)

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)站授權轉載。文章觀點僅代表作者本人,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習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 醫(yī)療健康

    關注

    2

    文章

    284

    瀏覽量

    26261
  • AI
    AI
    +關注

    關注

    88

    文章

    35080

    瀏覽量

    279414
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

    評論

    相關推薦
    熱點推薦

    【「零基礎開發(fā)AI Agent」閱讀體驗】+ 入門篇學習

    4.智能體具有自主規(guī)劃和行動的能力 5.大模型分為3個層次:基礎層(心臟)、垂直/行業(yè)層(動脈)、應用層(毛細血管) 6.AI Agent具備更顯著的去中心化特點,能夠充分滿足每個人獨特的需求
    發(fā)表于 05-02 09:26

    首創(chuàng)開源架構,天璣AI開發(fā)套件讓端側AI模型接入得心應手

    模型全鏈路分析功能,針對AI應用開發(fā)的三大痛點逐個擊破。 當前AI應用開發(fā)者在使用開發(fā)工具時會面臨一個很頭疼的問題,種類多、功能不聚合、過于碎片化,導致開發(fā)過程非常復雜。Neuron
    發(fā)表于 04-13 19:52

    訓練好的ai模型導入cubemx不成功怎么處理?

    訓練好的ai模型導入cubemx不成功咋辦,試了好幾個模型壓縮了也不行,ram占用過大,有無解決方案?
    發(fā)表于 03-11 07:18

    AI模型部署邊緣設備的奇妙之旅:如何實現(xiàn)手寫數(shù)字識別

    型的初始模型。 剪枝階段:根據(jù)設定的標準(如閾值)去除部分權重或整個神經(jīng)元。 微調(diào)階段:對剪枝后的模型進行再訓練,以恢復可能因剪枝而損失的精度。 優(yōu)點: 顯著減少
    發(fā)表于 12-06 17:20

    【每天學點AI】前向傳播、損失函數(shù)、反向傳播

    在深度學習的領域中,前向傳播、反向傳播和損失函數(shù)是構建和訓練神經(jīng)網(wǎng)絡模型的三個核心概念。今天,小編將通過一個簡單的實例,解釋這三個概念,并展示它們的作用。前向傳播:神經(jīng)網(wǎng)絡的“思考”過
    的頭像 發(fā)表于 11-15 10:32 ?1219次閱讀
    【每天學點<b class='flag-5'>AI</b>】前向<b class='flag-5'>傳播</b>、損失函數(shù)、反向<b class='flag-5'>傳播</b>

    AI模型市場分析

    隨著人工智能技術的快速發(fā)展,AI模型已成為全球科技競爭的新高地、未來產(chǎn)業(yè)的新賽道以及經(jīng)濟發(fā)展的新引擎。下面,AI部落小編分析了當前AI
    的頭像 發(fā)表于 11-01 09:51 ?558次閱讀

    未來AI模型的發(fā)展趨勢

    上得到了顯著提升。未來,算法和架構的進一步優(yōu)化將推動AI模型在性能上實現(xiàn)新的突破。 多頭自注意力機制、前饋神經(jīng)網(wǎng)絡等關鍵技術的改進,將增強模型的表達能力和泛化能力。 多模態(tài)融合 :
    的頭像 發(fā)表于 10-23 15:06 ?1937次閱讀

    AI模型與傳統(tǒng)機器學習的區(qū)別

    AI模型與傳統(tǒng)機器學習在多個方面存在顯著的區(qū)別。以下是對這些區(qū)別的介紹: 一、模型規(guī)模與復雜度 AI
    的頭像 發(fā)表于 10-23 15:01 ?2561次閱讀

    AI模型在圖像識別中的優(yōu)勢

    AI模型在圖像識別中展現(xiàn)出了顯著的優(yōu)勢,這些優(yōu)勢主要源于其強大的計算能力、深度學習算法以及大規(guī)模的數(shù)據(jù)處理能力。以下是對AI模型在圖像識
    的頭像 發(fā)表于 10-23 15:01 ?2412次閱讀

    AI模型在自然語言處理中的應用

    AI模型在自然語言處理(NLP)中的應用廣泛且深入,其強大的語義理解和生成能力為NLP任務帶來了顯著的性能提升。以下是對AI模型在NLP
    的頭像 發(fā)表于 10-23 14:38 ?1530次閱讀

    AI for Science:人工智能驅動科學創(chuàng)新》第二章AI for Science的技術支撐學習心得

    計算的結合 我深刻體會到高性能計算(HPC)在AI for Science中的重要性。傳統(tǒng)的科學計算往往面臨計算量大、計算時間長等問題,而AI技術的引入可以顯著提高計算效率。同時,HP
    發(fā)表于 10-14 09:16

    基于迅為RK3568/RK3588開發(fā)板的AI圖像識別方案

    01_官方模型測試 02_人臉識別 03_口罩檢測 04_工地防護 05_撲克牌識別 06_手掌關鍵點檢測 07_人臉特征點檢測
    發(fā)表于 08-28 09:50

    ai模型和傳統(tǒng)ai的區(qū)別在哪?

    的BERT模型使用了33億個參數(shù),而傳統(tǒng)AI模型通常只有幾千到幾百萬個參數(shù)。 模型復雜度 AI模型
    的頭像 發(fā)表于 07-16 10:06 ?2676次閱讀

    AI模型AI框架的關系

    多個領域取得顯著成果。而AI框架則是為開發(fā)和訓練AI模型提供的一套標準接口、特性庫和工具包,它集成了算法的封裝、數(shù)據(jù)的調(diào)用以及計算資源的使用,是AI
    的頭像 發(fā)表于 07-15 11:42 ?1829次閱讀

    AI模型與傳統(tǒng)AI的區(qū)別

    AI模型(如LLM,即大型語言模型)與傳統(tǒng)AI在多個方面存在顯著的區(qū)別。以下將從技術層面、應用場景、性能表現(xiàn)、計算資源和成本、以及發(fā)展趨勢
    的頭像 發(fā)表于 07-15 11:37 ?5791次閱讀