Инвестиции с умом: как нейросети учатся управлять рисками

Основой обучения с подкреплением является агент, воспринимающий состояние среды и использующий глубокую нейронную сеть для вычисления стратегии $π(s,a)$, посредством которой он предпринимает действия, получает вознаграждение и корректирует свою стратегию для оптимизации будущих решений.

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.

От сканирования сетчатки к спасению зрения: как нейросети помогают при диабетической ретинопатии

В статье рассматривается развитие технологий глубокого обучения для автоматической диагностики и скрининга диабетической ретинопатии, от первых экспериментов до современных клинических решений.

Самообучающиеся агенты для умной организации товарных каталогов

Автоматизированный рабочий процесс, основанный на агентах, включает в себя создание, уточнение онтологии и наполнение базы знаний, причём каждый этап осуществляется специализированным агентом на базе больших языковых моделей, функционирующим в модульной схеме.

Новая архитектура на базе искусственного интеллекта позволяет автоматически создавать структурированные базы знаний о продуктах, извлекая информацию из неструктурированного текста.