国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統消息
  • 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/發帖/加入社區
會員中心
創作中心

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 ? 作者:教育新聞網 ? 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)
在本周于Arxiv.org上發布的一項新的預印本研究中,劍橋大學,倫敦大學學院,巴黎高等經濟學院,香港科技大學和芬蘭家庭聯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,表現最好的模型表明,當至少有80%的人口參與時,戴上口罩會產生“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的類別-易感,暴露,感染和康復-并使用所謂的動態動態網絡來緊密模仿社會中人們之間的接觸。由節點和邊組成的圖形表示個人(節點)及其交互(邊),相鄰節點形成一個人的“緊密接觸”網絡。從該網絡之外的任何地方進行的聯系都象征著更廣泛的人群之間的全球聯系。

通過改變影響互動程度和平均親密接觸次數的參數,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(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,即使掩膜是非醫療或自制的,掩膜也可以減少病毒傳播。爆發時采用100%的口罩采用會導致感染數量“急劇”減少,而90%的采用會在50天后被“抑制”。同時,發現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:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 醫療健康
    +關注

    關注

    2

    文章

    297

    瀏覽量

    26653
  • AI
    AI
    +關注

    關注

    91

    文章

    39866

    瀏覽量

    301525
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

    邊緣AI算力臨界點:深度解析176TOPS香橙派AI Station的產業價值

    ” 。 隨著DeepSeek、LLaMA等開源模型的輕量化演進,以及具身智能、工業質檢對實時性的嚴苛要求,AI計算正在從云數據中心擴散到離數據源頭最近的物理世界。在這一背景下,AI Mini Server(迷你
    發表于 03-10 14:19

    模型 ai coding 比較

    序 我主要用途是 ai coding,從各種渠道獲取到了很多 不同的大模型排序 最多的是 opus 4.6 > k2.5 > glm5 >
    發表于 02-19 13:43

    使用NORDIC AI的好處

    原始傳感器數據,可顯著降低功耗、延長電池壽命。[Edge AI 概述; Nordic Edge AI 技術頁] 降低云依賴與時延 直接在設備上做推理,很多決策可以“本地實時”完成,
    發表于 01-31 23:16

    安世中國關于當前供應鏈局勢及相關訴求的鄭重聲明

    安世中國在官方微信號發布了關于當前供應鏈局勢及相關訴求的鄭重聲明;我們分享給大家:
    的頭像 發表于 11-28 21:32 ?2377次閱讀
    安世中國關于<b class='flag-5'>當前</b>供應鏈<b class='flag-5'>局勢</b>及相關訴求的鄭重聲明

    深蘭科技發布AI法務大模型產品

    近日,深蘭科技發布面向律所與企業法務部門的AI法務大模型產品——“深蘭律師辦公自動化系統(AI版)”。通過AI技術賦能法律服務行業,它能夠顯著
    的頭像 發表于 10-23 17:58 ?1103次閱讀

    谷歌AlphaEarth和維智時空AI模型的技術路徑

    谷歌AlphaEarth和維智時空AI模型在應用場景和技術實現上各有側重,但兩者在底層技術理念上存在顯著共性。
    的頭像 發表于 10-22 14:48 ?919次閱讀

    AI模型的配置AI模型該怎么做?

    STM32可以AI,這個AI模型怎么搞,知識盲區
    發表于 10-14 07:14

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+AI芯片到AGI芯片

    、現階段更智能、更接近AGI的6中算法與模型 1、MoE模型 MoE模型作為Transfomer模型的后繼者,代表著AI技術的一項重大創新和
    發表于 09-18 15:31

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+第二章 實現深度學習AI芯片的創新方法與架構

    的同時,能夠利用更小、更快的數字格式,提升模型的整體性能。 1.3Transformer 模型中的矩陣乘法計算 2、存內計算AI芯片 存內計算已經成為應對大模型不斷增加的計算量和能耗
    發表于 09-12 17:30

    信而泰×DeepSeek:AI推理引擎驅動網絡智能診斷邁向 “自愈”時代

    顯著降低MTTR(平均修復時間)。2.顯著增強診斷準確性l 大數據驅動洞察:AI模型具備處理和學習海量歷史及實時數據的能力,能識別人類專家難以察覺的復雜、隱蔽故障模式。l 規避人為誤
    發表于 07-16 15:29

    百度文心大模型X1 Turbo獲得信通院當前模型最高評級證書

    百度在520居然還領了個證?是它, 信通院當前模型最高評級證書 ! 在5月20日的百度AI Day 上,中國信通院公布了大模型推理能力評估結果—— 百度文心大
    的頭像 發表于 05-21 18:19 ?1288次閱讀
    百度文心大<b class='flag-5'>模型</b>X1 Turbo獲得信通院<b class='flag-5'>當前</b>大<b class='flag-5'>模型</b>最高評級證書

    【「零基礎開發AI Agent」閱讀體驗】+ 入門篇學習

    4.智能體具有自主規劃和行動的能力 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
    發表于 05-02 09:26

    首創開源架構,天璣AI開發套件讓端側AI模型接入得心應手

    模型全鏈路分析功能,針對AI應用開發的三大痛點逐個擊破。 當前AI應用開發者在使用開發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,導致開發過程非常復雜。Neuron
    發表于 04-13 19:52

    適用于數據中心和AI時代的800G網絡

    100Gbps,整體速率高達800Gbps。這意味著在AI模型訓練過程中,服務器之間的數據傳輸速率更快,顯著提升訓練效率。相比NRZ,PAM4在相同頻譜范圍內可以承載雙倍數據量,從而提
    發表于 03-25 17:35

    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?
    發表于 03-11 07:18