Предсказание курсов акций: объединяя данные и новости
Новый подход к прогнозированию динамики фондового рынка сочетает в себе анализ новостного фона и современные методы обработки временных рядов.
Наука
Обучение предсказателей временных рядов с подкреплением
В новой работе исследователи предлагают метод повышения точности моделей прогнозирования временных рядов с использованием алгоритмов обучения с подкреплением.
Искусственный интеллект на бирже: сможет ли машина предсказывать акции?
Новое исследование рассматривает возможности больших языковых моделей в прогнозировании фондового рынка и выявляет ключевые ограничения, требующие участия человека.
Самообучающиеся языковые модели: адаптивное декодирование без переобучения
Новый подход позволяет языковым моделям улучшать качество генерируемого текста непосредственно во время использования, подстраивая параметры декодирования на основе обучения с подкреплением.
Обучение без границ: Федеративное обучение с учетом неопределенности данных
![Алгоритм Meta-BayFLFL, представленный в работе, обеспечивает адаптивное агрегирование моделей при использовании подхода персонализированного обучения, где [latex]K[/latex] клиентов, подключенных к глобальному серверу, создают локальные модели на основе BNN с использованием различных временных коэффициентов обучения, выбирая оптимальные для тренировки, после чего сервер агрегирует эти модели и распространяет обновленную глобальную модель среди всех клиентов.](https://arxiv.org/html/2603.18083v1/x2.png)
Новый подход к федеративному обучению позволяет эффективно использовать разнородные данные и учитывать неопределенность, повышая точность моделей.