انسداد لوله، عامل سرریز فاضلاب مهرشهر دزفول
تاریخ انتشار: ۱۳ خرداد ۱۳۹۹ | کد خبر: ۲۸۱۵۶۸۰۶
جمال الدین برفر روز سه شنبه در گفت و گو با خبرنگار ایرنا افزود: برای رفع مشکل دفع فاضلاب مهرشهر دزفول، پیمانکار مشخص شده و از هفته آینده با تجهیز کارگاه کار خود را آغاز میکند.
وی این عملیات را شامل حفاری حدود ۱۲ متر، تعویض لوله و رفع انسداد عنوان کرد و گفت: مشکل سرریز فاضلاب روبروی بیمارستان بزرگ دزفول با این عملیات برطرف میشود.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
مدیر امور آب و فاضلاب دزفول درخصوص مشکل کاهش فشار آب در برخی بلوکهای مهرشهر نیز گفت: برای سه بلوک مهرشهر به علت ارتفاع، مشکلاتی در مخزن آبگیری پیش آمده که در حال اخذ مجوز برای حل مشکل هستیم.
مدتی است دفع فاضلاب مقابل بیمارستان بزرگ دزفول مشکلات بهداشتی در این منطقه ایجاد کرده است.
شهرستان دزفول افزون بر ۱۱۷ هزار مشترک آب دارد.
برچسبها آب و فاضلاب دزفول شرکت آب و فاضلاب کشورمنبع: ایرنا
کلیدواژه: آب و فاضلاب دزفول شرکت آب و فاضلاب کشور آب و فاضلاب دزفول شرکت آب و فاضلاب کشور
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.irna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایرنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۸۱۵۶۸۰۶ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
مدل جدید هوش مصنوعی رفتار انسان را با دقت عجیبی پیشبینی میکند
به گزارش خبرنگار علم و فناوری ایسکانیوز؛ محققان MIT و دانشگاه واشنگتن چارچوبی را توسعه دادند که رفتار غیرمنطقی یا غیربهینه یک انسان یا عامل هوش مصنوعی را بر اساس محدودیتهای محاسباتی آنها مدل میکند. تکنیک آنها میتواند به پیشبینی اقدامات آینده یک فرد، به عنوان مثال، در مسابقات شطرنج کمک کند.
محققان میگویند: برای ساختن سیستمهای هوش مصنوعی که میتوانند به طور موثر با انسانها همکاری کنند، داشتن یک مدل خوب از رفتار انسان برای شروع کمک میکند. اما انسانها تمایل دارند هنگام تصمیمگیری، رفتاری نابهینه از خود نشان دهند. این غیرمنطقی بودن، که بهویژه مدلسازی آن دشوار است، اغلب به محدودیتهای محاسباتی ختم میشود. یک انسان نمیتواند دههها را صرف فکر کردن به راهحل ایدهآل برای یک مشکل کند.
توسعه یک رویکرد مدلسازی جدیدمحققان MIT و دانشگاه واشنگتن روشی را برای مدلسازی رفتار یک عامل، چه انسان یا ماشین، ابداع کردند که محدودیتهای محاسباتی ناشناختهای را که ممکن است تواناییهای حل مساله را مختل کند، توضیح دهد.
مدل آنها میتواند به طور خودکار محدودیتهای محاسباتی یک عامل را با دیدن تنها چند اثر از اقدامات قبلی آنها استنتاج کند.
محققان در این مطالعه نشان دادند که چگونه میتوان از روش آنها برای استنتاج اهداف ناوبری شخصی از مسیرهای قبلی و پیشبینی حرکات بعدی بازیکنان در مسابقات شطرنج استفاده کرد. تکنیک آنها با یکی دیگر از روشهای رایج برای مدلسازی این نوع تصمیمگیری مطابقت دارد یا بهتر عمل میکند.
در نهایت، این کار میتواند به دانشمندان کمک کند تا به سیستمهای هوش مصنوعی نحوه رفتار انسانها را بیاموزند، که میتواند این سیستمها را قادر میسازد تا به همکاران انسانی خود بهتر پاسخ دهند.
محققان میگویند: توانایی درک رفتار انسان و سپس استنتاج اهداف آنها از آن رفتار، میتواند یک دستیار هوش مصنوعی را بسیار مفیدتر کند. اگر ما بدانیم که یک انسان در شرف مرتکب اشتباه است، عامل هوش مصنوعی با مشاهده رفتار قبلا آنها میتواند وارد عمل شود و راه بهتری برای انجام آن ارائه دهد. توانایی مدلسازی رفتار انسان گام مهمی به سوی ساخت یک عامل هوش مصنوعی است که در واقع میتواند به آن انسان کمک کند.
رفتار مدلسازیمحققان برای ساختن مدل خود از مطالعات قبلی شطرنج بازان الهام گرفتند. آنها متوجه شدند که بازیکنان در انجام حرکات ساده قبل از اقدام زمان کمتری برای فکر کردن دارند و بازیکنان قویتر تمایل دارند زمان بیشتری را نسبت به بازیکنان ضعیفتر برای برنامهریزی در مسابقات چالشبرانگیز صرف کنند. متوجه شدیم که عمق برنامهریزی یا مدت زمانی که کسی در مورد مشکل فکر میکند، نشاندهنده واقعاً خوبی از نحوه رفتار انسانها است.
آنها چارچوبی ساختهاند که میتواند عمق برنامهریزی یک عامل را از اقدامات قبلی استنباط کند و از آن اطلاعات برای مدلسازی فرآیند تصمیمگیری عامل استفاده کند.
اولین مرحله در روش آنها شامل اجرای یک الگوریتم برای مدت زمان معینی برای حل مساله مورد مطالعه است. به عنوان مثال، اگر آنها در حال مطالعه یک مسابقه شطرنج هستند، ممکن است اجازه دهند الگوریتم بازی شطرنج برای تعداد معینی از مراحل اجرا شود. در پایان، محققان میتوانند تصمیماتی را که الگوریتم در هر مرحله اتخاذ کرده است، مشاهده کنند.
بیشتر بخوانید: هوش مصنوعی چقدر در پزشکی قابل اعتماد است؟مدل آنها این تصمیمات را با رفتارهای عاملی که همان مشکل را حل میکند مقایسه میکند. تصمیمات عامل را با تصمیمات الگوریتم هماهنگ میکند و مرحلهای را که عامل برنامهریزی را متوقف کرده است، شناسایی میکند.
از این رو، مدل میتواند بودجه استنتاج عامل یا مدت زمانی که آن عامل برای این مشکل برنامهریزی میکند را تعیین کند. میتواند از بودجه استنتاج برای پیشبینی نحوه واکنش آن عامل هنگام حل یک مشکل مشابه استفاده کند.
انتهای پیام/
کد خبر: 1227857 برچسبها هوش مصنوعی