Новое исследование показывает, что использование глубокого обучения с подкреплением для оптимизации портфеля может снизить волатильность, но требует тщательной настройки и валидации, чтобы не потерять доходность.
В статье рассматривается развитие технологий глубокого обучения для автоматической диагностики и скрининга диабетической ретинопатии, от первых экспериментов до современных клинических решений.
Новое исследование ставит под вопрос потенциал квантовых алгоритмов для обучения без учителя, демонстрируя ограничения в достижении реального преимущества.
Новая архитектура на базе искусственного интеллекта позволяет автоматически создавать структурированные базы знаний о продуктах, извлекая информацию из неструктурированного текста.
Новое исследование показывает, что алгоритмы машинного обучения способны определять тип медицинской страховки пациента по рентгеновским снимкам, даже если снимки кажутся нормальными.