Наука

Сердце под присмотром ИИ: Прогноз сердечной недостаточности по суточному ЭКГ

от

При проведении стандартного холтеровского мониторинга ЭКГ, модель DeepHHF способна оперативно оценивать риск сердечной недостаточности, направляя пациентов с умеренным или высоким риском на дополнительные исследования, такие как определение уровня натрийуретического пептида головного мозга (BNP) или эхокардиография, что позволяет своевременно выявлять и предотвращать развитие данного состояния.

Новая модель искусственного интеллекта позволяет прогнозировать риск развития сердечной недостаточности за пять лет на основе анализа данных суточной электрокардиограммы.

Предсказание кривой доходности: новый взгляд с помощью машинного обучения

от

Оценки ставок дисконтирования будущих доходов (UFR), полученные различными методами, демонстрируют высокую степень согласованности с кривой доходности 50-летних государственных облигаций, за исключением метода SDF, который после 2017 года значительно отклоняется, характеризуясь аномальным снижением и повышенной волатильностью в начале 2020 года.

Исследование демонстрирует, как алгоритмы машинного обучения, учитывающие макроэкономические факторы, могут значительно повысить точность прогнозирования будущих процентных ставок.

Искусственный интеллект и климатические прогнозы: куда ведет нас детализация?

от

Облака, демонстрируя разнообразие масштабов и структур, служат метафорой для климатических переходов, где модели машинного обучения, обученные предсказывать детали на основе крупных масштабов в одних условиях, могут оказаться неэффективными в иных, подчеркивая, что понимание влияния, а не установление контроля, является ключом к прогнозированию изменений в сложных системах.

Новое исследование рассматривает перспективы и ограничения применения искусственного интеллекта для повышения точности прогнозов изменения климата на локальном уровне.

Рынок без посредников: обучение агентов для повышения ликвидности

от

Обучающиеся агенты демонстрируют превосходство над базовыми моделями, что указывает на эффективность предложенного подхода.

Новый подход к обучению взаимодействующих агентов позволяет создавать децентрализованные рынки с высокой ликвидностью, даже при отсутствии централизованного управления.

Простота против сложности: LSTM превосходят Transformer в прогнозировании акций

от

На основе прогнозирования цены акций Microsoft (MSFT) установлено, что применение авторегрессионного подхода [latex] p(x_t | x_{t-1}, x_{t-2}, ...) [/latex] и обучения с подкреплением [latex] p(x_t | y_{t-1}, y_{t-2}, ...) [/latex] оказывает дифференцированное влияние на динамику стоимости портфеля, демонстрируя различные траектории роста капитала в зависимости от выбранной стратегии прогнозирования.

Новое исследование показывает, что классические LSTM-сети демонстрируют более стабильные и точные результаты в прогнозировании цен на акции, чем современные архитектуры на основе Transformer.