災難響應方面的學術專家已經開發了一種基于AI的仿真模型,該模型可以準確預測免打孔疫苗接種站的交通流量起伏。
此外,團隊已將模型轉換為在線應用程序。他們的希望是,該工具將幫助大規模疫苗接種計劃人員快速比較不同類型的通行方法,并確定最適合當地居民的方法。
這項研究在多倫多的約克大學進行,并發表在《國際環境研究與公共衛生雜志》上。
阿里·阿斯加里(Ali Asgary)博士及其同事描述了他們的步驟,該方法是在125,000名模擬患者到駕車式接種診所就診時訓練機器學習模型的。
作者在討論中評論道:“我們的駕駛模擬是根據過去和當前可用于駕駛設計,設置和操作的最佳實踐開發和參數化的。”
研究人員注意到,在準備手稿時缺乏免驅疫苗接種協議,研究人員說他們的仿真工具可以在使用時進行微調。
作者寫道,從模擬場景中產生的數據“可用于為直接通過大規模疫苗接種的診所開發一種新的,更好的預測性機器學習模型”。“生成的模型可用于快速預測要接種的人數以及在各種參數設置下的平均接種時間。”
他們認為,本文介紹的大多數仿真都可能通過新的輸入和算法調整進一步完善。
責任編輯:lq
-
AI
+關注
關注
87文章
31935瀏覽量
270759 -
模型
+關注
關注
1文章
3383瀏覽量
49337 -
應用程序
+關注
關注
38文章
3300瀏覽量
58004
發布評論請先 登錄
相關推薦
添越智創基于 RK3588 開發板部署測試 DeepSeek 模型全攻略
Qwen大模型助力開發低成本AI推理方案
【「基于大模型的RAG應用開發與優化」閱讀體驗】+第一章初體驗
AI大語言模型開發步驟
NVIDIA推出全新生成式AI模型Fugatto
一種新型機翼應變載荷關系神經網絡模型

愛普生開發了一種烤箱控制的晶體振蕩器,其功耗比傳統OCXOs1低56%

評論