Звездная химия без моделей: новый взгляд на спектральный анализ

Распределения вероятностей химических элементов, использованные для анализа звёздных свойств, демонстрируют соответствие с данными об обилии элементов у гало-звёзд, полученными в ходе обзора APOGEE, однако отличаются в области низких металличностей $ [Fe/H] $, что связано с ограничениями наблюдательных возможностей APOGEE в этой области.

Исследователи предлагают инновационный подход к определению химического состава звезд, основанный на методах машинного обучения и не требующий использования предварительно размеченных данных.

Раскрытие атак: как обнаружить кражу данных в федеративном обучении

Линейные слои демонстрируют утечку информации: активация конкретного нейрона отдельным входом позволяет немедленно восстановить исходное значение по градиентам, однако одновременная активация множеством входов приводит к взвешенной сумме, усложняя реконструкцию и выявляя присущую этим системам тенденцию к постепенной потере четкости.

Новое исследование показывает, что, вопреки распространенному мнению, активные атаки инверсии градиента в федеративном обучении могут быть надежно обнаружены непосредственно клиентами.

Прогнозирование фондового рынка: новый взгляд на динамику и нейросети

Прогнозирование динамики индекса Dow Jones демонстрирует превосходство кинематически информированной нейронной сети KIANN над некинематической, при нормализованных входных данных, что указывает на значительное влияние учета кинематических ограничений на точность предсказаний финансовых временных рядов.

Исследователи предлагают подход, учитывающий скорость и ускорение изменений на рынке, для повышения точности долгосрочных прогнозов с помощью искусственных нейронных сетей.