محققان در پژوهشی جدید به سراغ بهبود مدلهای پیشبینی آتشسوزی رفتهاند. یکی از چالشهای اصلی مدلهای فعلی، نرخ بالای «هشدار اشتباه» (False Positives) است که باعث میشود عملیاتهای امدادی به درستی اولویتبندی نشوند.
در این مطالعه، یک روش جدید برای ارزیابی مدلها ارائه شده که با تصمیمگیریهای دنیای واقعی همخوانی بیشتری دارد. همچنین با استفاده از مدلهای آنسامبل (ترکیبی)، دقت شناسایی کانونهای آتش افزایش یافته و خطاهای کاذب به شکل قابل توجهی کاهش پیدا کرده است. این گام بزرگی برای حفاظت از محیطزیست با کمک هوش مصنوعی است! 🌲🤖
منبع: arXiv Machine Learning
