Присоединяйтесь к нашему инвестиционному форуму, на котором уже 646,441 пользователей.
Чтобы получить доступ ко многим закрытым разделам и начать общение - зарегистрируйтесь прямо сейчас.
Команда ученых из Уорикского университета разработала новый алгоритм, который по тэгам к фотографиям и видеороликам из пакета Yahoo Flickr Creative Commons 100M, научился предсказывать наводнения. Обучение нейросети проводилось по материалам, которые были опубликованы в период с апреля 2004 по август 2014 года.
На входе нейросеть анализировала материалы по четырем общим (“природа“, “пейзаж“, “река“, “вода“) и двум сводным (“RW“ – от “река“ и “вода“, и “NL“ – от “природа“ и “пейзаж“) тегам, каждый из которых на выходе был связан с специфическими (“потоп“, “наводнение“, “пойма“) тегами. Сопоставление тегов с риском стихийного бедствия проводилось на основании трех параметров: масштаба события, количества публикаций за пять суток до пика наводнения и спустя пять суток, а также шаблона поведения в пиковый период наводнения.
Результаты показали, что появление во Flickr тегов, связанных с наводнениями, коррелирует с показателем встречаемости специфических (“вода“, “река“) и сводных (“RW“) тегов. В то же время угроза стихийного бедствия оказалась почти не связана с ростом числа таких тегов, как “пейзаж“ и “природа“.
Примечательно, что теги “вода“ и “река“ заняли промежуточное положение между маркерами бедствия и тематикой природы и примерно одинаково коррелировали с остальными тегами. Сводные теги чаще встречались за один день до пикового периода наводнения, при этом по мере приближения к пику тег “RW“ использовался все чаще, а тег “NL“, напротив, резко терял популярность.