Сетевые рынки и разрозненные данные: новый подход к выявлению финансовых рисков

В исследовании проводится сопоставление предложенного подхода с традиционными методами машинного обучения и глубокого обучения, при этом отмечается, что все базовые методы, за исключением двух федеративных, обучаются на каждом подмножестве данных по отдельности (то есть, для каждой страны).

Исследование предлагает инновационную систему, объединяющую возможности анализа графов, федеративного обучения и алгоритмов обучения с подкреплением для повышения эффективности борьбы с отмыванием денег.

Прогнозы отключений электроэнергии: как погода и социальные факторы влияют на устойчивость сетей

Предлагаемый алгоритм предсказания отключений электроэнергии структурирован таким образом, чтобы обеспечить надежную и точную оценку вероятности сбоев в энергосистеме, используя [latex] f(x) = \sum_{i=1}^{n} w_i x_i [/latex] для вычисления взвешенной суммы входных параметров, влияющих на стабильность сети.

Новая модель машинного обучения позволяет предсказывать вероятность отключений электроэнергии во время экстремальных погодных явлений, учитывая не только метеоданные, но и социально-экономические характеристики регионов.

Коллективный разум нейросетей: может ли обсуждение повысить точность прогнозов?

Калибровка прогнозов, выполненная отдельно и в процессе обсуждения, демонстрирует стратификацию в зависимости от сценария, указывая на то, как коллективное принятие решений влияет на точность предсказаний в различных ситуациях.

Новое исследование показывает, что совместное обсуждение прогнозов, сделанных разными нейросетями, может значительно повысить их точность, в то время как обсуждение между одинаковыми моделями не дает заметного эффекта.