Новые тенденции в области геопространственного искусственного интеллекта (geoAI): потенциальные применения в экологической эпидемиологии

Emerging trends in geospatial artificial intelligence (geoAI): potential applications for environmental epidemiology
Francine Laden, Trang VoPham, Jaime E. Hart, Yao‐Yi Chiang
2018-04-17

глубокое обучениеэкологическая эпидемиологиямоделирование экспозициигеопространственный искусственный интеллектпространственная наука о данных
Геопространственный искусственный интеллект (geoAI) представляет собой развивающуюся научную дисциплину, объединяющую инновации в области пространственной науки, методы искусственного интеллекта и машинного обучения (например, глубокое обучение), интеллектуальный анализ данных и высокопроизводительные вычисления для извлечения знаний из больших пространственных данных. В экологической эпидемиологии моделирование экспозиции является широко используемым подходом к оценке экспозиции с целью определения распределения воздействий в исследуемых популяциях. Технологии geoAI обеспечивают важные преимущества для моделирования экспозиции в экологической эпидемиологии, включая возможность интеграции больших объемов пространственных и временных данных в различных форматах; вычислительную эффективность; гибкость алгоритмов и рабочих процессов, позволяющую учитывать релевантные характеристики пространственных (экологических) процессов, включая пространственную нестационарность; а также масштабируемость для моделирования других воздействий окружающей среды на территориях различного географического масштаба. Цель настоящего комментария заключается в представлении обзора ключевых концепций развивающейся междисциплинарной области geoAI, включая пространственную науку о данных, машинное обучение, глубокое обучение и интеллектуальный анализ данных; рассмотрении недавних применений geoAI в исследованиях; и обсуждении потенциальных будущих направлений развития geoAI в экологической эпидемиологии.
1
Подходы GeoAI масштабируются для моделирования различных воздействий окружающей среды в разных географических регионах.
2
GeoAI объединяет пространственную науку, машинное обучение, глубокое обучение, интеллектуальный анализ данных и высокопроизводительные вычисления для извлечения знаний из больших пространственных данных.
3
GeoAI обеспечивает вычислительную эффективность и гибкие алгоритмы, способные учитывать пространственную нестационарность экологических процессов.
4
В экологической эпидемиологии GeoAI может улучшить моделирование экспозиции благодаря интеграции больших пространственных и временных наборов данных различных форматов.
5
В статье обобщаются концепции GeoAI, современные исследовательские применения и перспективные направления для экологической эпидемиологии.

моделирование воздействия факторов окружающей среды в экологической эпидемиологии

использование геопространственного искусственного интеллекта для моделирования пространственно-временного распределения воздействий факторов окружающей среды среди исследуемых популяций и на различных географических территориях

Publication Details
Publication Date
2018-04-17
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Francine Laden
Trang VoPham
Jaime E. Hart
Yao‐Yi Chiang
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%