Deep learning predicts emergency resolution time -- GCN : vi

By Stephanie Kanowitz
Dec 11, 2020
A new deep-learning system can help cities predict the time between the reporting and resolution of an emergency.
Researchers at Binghamton University built DeepER, a model that uses recurrent neural networks, to predict the future resolution times of incidents based on historical data. To do this, the system also looks for interdependencies among emergency event types.
The team – comprised of Arti Ramesh and Anand Seetharam, assistant professors in the Department of Computer Science at the Thomas J. Watson College of Engineering and Applied Science, and three students – used eight years of data from New York City’s NYC Open Data portal showing the times incidents were reported and closed.

Related Keywords

New York , United States , Binghamton , Virginia , Anand Seetharam , Stephanie Kanowitz , Thomasj Watson College Of Engineering , Department Of Computer Science , Researchers At Binghamton University , Binghamton University , Arti Ramesh , Computer Science , Applied Science , New York City , Deep Learning , Emergency Resolution Time Prediction , புதியது யார்க் , ஒன்றுபட்டது மாநிலங்களில் , பிங்காம்டன் , வர்ஜீனியா , ஆனந்த் சீதாரம் , துறை ஆஃப் கணினி அறிவியல் , ஆராய்ச்சியாளர்கள் இல் பிங்காம்டன் பல்கலைக்கழகம் , பிங்காம்டன் பல்கலைக்கழகம் , ஆர்டி ரமேஷ் , கணினி அறிவியல் , பயன்படுத்தப்பட்டது அறிவியல் , புதியது யார்க் நகரம் , ஆழமான கற்றல் , அவசரம் தீர்மானம் நேரம் ப்ரிடிக்ஶந் ,