Охота на шумы: ИИ помогает LIGO увидеть гравитационные волны

Применение алгоритма OmegaNeuron к данным гравитационно-волнового события GW150914 выявило кластеризацию вспомогательных каналов по подсистемам, причём каналы, связанные с небезопасными связями CAL, SUS и OMC, демонстрируют наивысшую степень сходства, превышающую 0.998, что подтверждает внутреннюю согласованность используемой метрики и позволяет выявить потенциальные источники шумов в данных.

Новый алгоритм машинного обучения OmegaNeuron автоматически выявляет каналы, коррелирующие с кратковременными помехами в данных детекторов гравитационных волн, повышая чувствительность при поиске слабых сигналов.

Искусственный интеллект на службе онлайн-шоппинга: как обучить агентов для поиска товаров

В разработанной структуре ProductResearch агент пользователя, анализируя историю поведения, формирует профиль, исследовательский запрос и критерии оценки RACE, после чего исследовательский агент, под надзором супервизора, реализует последовательность действий

Новая методика позволяет значительно улучшить работу ИИ-агентов, собирающих информацию о товарах в интернет-магазинах, благодаря использованию синтетических данных и многоагентных систем.

Превращая таблицы в графы: новый подход к машинному обучению

Предлагаемый метод (RF-GNN) использует случайный лес для построения графа на основе табличных данных, который затем служит входными данными для графовой нейронной сети, обеспечивая итоговое предсказание.

Исследователи предлагают метод, использующий Random Forests для преобразования табличных данных в графовые представления, что позволяет применять мощь графовых нейронных сетей для улучшения задач классификации.