Публикации по теме 'covid19'
Обучение с подкреплением для Covid-19: моделирование и оптимальная политика
В то время как сообщество машинного обучения задается вопросом, как они могут помочь в войне с пандемией COVID-19, я решил использовать обучение с подкреплением, чтобы справиться с этим кризисом. Это исследование дало интересные результаты в поиске набора оптимальных действий по борьбе с распространением вируса.
1. Введение
Представьте, что вы играете в игру по борьбе с пандемией . Ваша цель - контролировать распространение вируса с наименьшими экономическими последствиями. Вы можете..
Практическое машинное обучение, часть 1: COVID-19 в Бразилии
Внедрение модели машинного обучения для прогнозирования смертности от COVID-19 в Бразилии
Это первый пост из серии проектов для начинающих по внедрению моделей машинного обучения. Мотивация — получить практический опыт после прохождения курса Машинное обучение Стэндфорда .
Данные о COVID-19 являются хорошим источником данных для практического анализа данных и концепций машинного обучения, поскольку у нас есть много доступных данных. Это хорошо для реализации модели машинного..
Информация о Covid-19 — «После третьей волны!
Новости о том, что Соединенные Штаты приближаются к третьему пику ежедневных случаев заболевания Covid-19, больше не являются экстренными новостями. Чего не хватает в заголовках, так это понимания, которое помогает разобраться в данных.
Мы знаем, что штаты значительно различаются по статистике COVID-19, и не все из них движутся в одном направлении одновременно.
Большинство новостей и графиков основаны на новых ежедневных случаях. Однако необработанные ежедневные цифры не дают..
КТ-анализ грудной клетки на COVID-19
Клинические рекомендации и приложения для машинного обучения
В этом посте рассматривается использование компьютерной томографии при пандемии COVID-19, включая текущие рекомендации медицинских экспертов (по состоянию на август 2020 года) и примеры недавних исследовательских работ, в которых машинное обучение используется для прогнозирования на основе компьютерной томографии пациентов с COVID-19. .
Отказ от ответственности: в этом посте нет ничего, что является медицинским советом...
Ошибка «Режим ускорителя не поддерживается через S-Function API» при вызове set_param в…
У меня модель открыта в режиме ускорителя. Когда я вызываю set_param для изменения значений нескольких параметров модели, я получаю следующую запутанную ошибку:
>> set_param(vdp,'StopTime','100')
Accelerator mode is not supported through the S-Function API
Почему это? Как я могу это исправить?
ОТВЕЧАТЬ
Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab , Помощь по заданию MatLab для студентов, инженеров и исследователей в различных отраслях,..
Как мне избежать перестроения моей модели каждый раз, когда я запускаю тестовый пример Simulink Test Real-Time?
Я пытаюсь запустить тесты в реальном времени, используя тест Simulink и Simulink Real-Time (с оборудованием Speedgoat).
Проблема в том, что иногда я хочу запустить один и тот же тест несколько раз, но это занимает очень много времени. Я думаю, это потому, что модель перестраивается (по крайней мере, частично) и повторно развертывается на оборудовании каждый раз при запуске теста. Я убедился, что файл MLDATX, развернутый на целевом компьютере, перестраивается при каждом запуске теста...
Как страны развивающейся Азии реагируют на COVID-19?
Исследовательский анализ данных с использованием Pandas, Matplotlib и Seaborn.
Пандемия COVID-19 нанесла серьезный удар по экономике различных стран мира, при этом глобальное воздействие оценивается от 6,1 до 9,1 трлн долларов США, что эквивалентно потере от 7,1% до 10,5% мирового валового внутреннего продукта (ВВП) [1]. » Более одной пятой глобальных потерь приходится на развивающиеся страны Азии, где последствия могут стоить до 2 триллионов долларов США, что составляет 8,5% ВВП..
