Прогнозирование цен на электроэнергию: новый подход для нестабильных рынков

На рисунке демонстрируется рабочий процесс обнаружения пиков и стратегии регуляризации STL-KF, применяемый к исходным данным об электроэнергии, позволяющий выявлять и обрабатывать ключевые колебания цен.

Исследование демонстрирует, что современные модели машинного обучения превосходят традиционные методы прогнозирования цен на электроэнергию, особенно в условиях высокой волатильности.

Интеллектуальный поиск в горах данных: Автоматизация систематических обзоров

Новая система AutoDiscover использует возможности машинного обучения с подкреплением и графовых нейронных сетей для ускорения и повышения эффективности поиска релевантной информации в больших массивах научных публикаций.

Скрытые факторы финансовых рынков: новый взгляд на анализ временных рядов

На основе анализа остаточных факторов, полученных с использованием метода главных компонент и графической модели Гаусса для 500 активов индекса TOPIX в период с января 2020 по декабрь 2023 года, и проверенной на данных с января по декабрь 2024 года, выявлена корреляционная матрица, отражающая взаимосвязи между этими активами.

Исследование предлагает усовершенствованный метод выявления ключевых факторов, влияющих на динамику финансовых рынков, позволяющий более точно оценивать риски и прогнозировать изменения.

В поисках идеальной активации: новый подход к обобщению нейросетей

Эволюционный поиск, основанный на алгоритме AlphaEvolve, позволяет обнаруживать функции активации, демонстрирующие способность к обобщению без потери эффективности, при оптимизации производительности небольших моделей на специально разработанных синтетических наборах данных.

Исследователи предлагают эволюционный поиск для создания активационных функций, способных повысить устойчивость нейронных сетей к данным, выходящим за рамки тренировочного набора.