سه شنبه 03 شهريور 1405 - Tue 25 Aug 2026
  • خبر خوش وزیر اقتصاد درباره کالابرگ!

  • حمله باندهای مسلح در هائیتی با ۴۷ کشته

  • پیشرفت قابل‌توجهی در گفتگوها با ایران حاصل شد

  • بازیکن جنجالی پرسپولیس آماده بازی با استقلال

  • قالیبافی که ما می‌شناسیم

  • گرسنگان ترامپ

  • قیمت سکه و طلا امروز سه شنبه ۳ شهریور

  • یک فروند جنگنده نیروی هوایی اندونزی متوقف شد / فیلم

  • رقابت ۲ هزار ربات انسان‌نما / عکس

  • ویدیوی جنجالی از احسان حاج صفی

  • شکایت استقلال از بازیکن سپاهان

  • بلعیدن تمساح جوان توسط حواصیل بزرگ / عکس

  • تصاویر ورود فرمانده ارتش پاکستان به تهران / فیلم

  • کارزارهای اخراج مهاجران در آمریکا / عکس

  • مادرانه خرس قهوه‌ای با توله‌هایش در نوشهر / فیلم

  • بقائی: این حق ایران است که منشأ و مبدأ عمل تجاوز را هدف قرار دهد /فلسفه سازمان ملل به شدت نقض شده است + فیلم

  • حملات اخیر به دستگاه قضایی از کجا آب می‌خورد؟ / رئیس عدلیه: معیشت مردم و کنترل بازار از اولویت‌های دستگاه قضایی است

  • مولودی میلاد پیامبر( ص )/ مهدی رسولی

  • ترامپ جمله قالیباف را بازنشر کرد؛ چه نوشت؟

  • اسارت 3 خلبان ایرانی در حصار تناقضات دوحه + عکس

  • |ف |
    | | | |
    کد خبر: 235804
    تاریخ انتشار: 01/ارديبهشت/1400 - 23:50

    با کمک هوش مصنوعی اورژانس زودتر خواهد رسید

    وقتی صحبت از مرگ و زندگی در یک حادثه یا اورژانس بهداشتی می‌شود، هر دقیقه می‌تواند بسیار مهم باشد. به همین دلیل هم وسایل نقلیه نجات و هم نیروهای امدادی باید شبانه روز در حالت آماده باش باشند.

     با کمک هوش مصنوعی اورژانس زودتر خواهد رسید

    به گزارش پایگاه خبری «حامیان ولایت» به نقل از ایسنا، سازماندهی همه این موارد به خصوص در شهرهای پرجمعیت آسان نیست. در شهر کلن آلمان این کار به لطف هوش مصنوعی در آینده می‌تواند کمی تغییر کند.

    به همین منظور "مارک شلیدر"(Mark Schleider) فارغ التحصیل دوره کارشناسی ارشد علوم کامپیوتر دانشگاه فنی بینگن، مدلی را در پایان نامه خود ارائه داده است که حجم کار خدمات امداد و نجات را پیش‌بینی می‌کند. به این ترتیب می‌توان از قبل اطمینان حاصل کرد که هیچ گونه اضافه کاری و در نتیجه زمان انتظار طولانی‌تر وجود نخواهد داشت.

    از آنجا که اشلیدر یک آتش نشان حرفه‌ای و بهیار است از مشکلاتی که مراکز اعزام هنگام سازماندهی عملیات با آن روبرو هستند آگاه است.

    شلیدر با کمک جمع آوری سوابق خدمات امداد و نجات سال‌های گذشته الگوریتمی تطبیقی را آموزش داده است تا بتواند نیروهای امداد و نجات را به صورت بهینه در مکان‌های مختلف ارسال کند.

    وی همچنین اطلاعات اضافی مانند تعطیلات رسمی و شرایط آب و هوایی را نیز به داده های این الگوریتم اضافه کرده است تا این مدل بتواند در آینده‌ای نزدیک مواقعی که کار خدمات بیشتر خواهد بود را پیش‌بینی کند.

     شلیدر گفت: در حالت ایده آل این بدان معنی است که یک بیمار اورژانسی زمان کمتری برای کمک ما منتظر خواهد ماند. گام بعدی توسعه بیشتر مدل یاد شده و عملی ساختن آن است.

    مرتبط ها
    نظرات بینندگان
    نظرات شما