Наука

Обходные пути в диагностике: как избежать ложных выводов в медицинских изображениях

от

Предложенный метод обучения

Новый метод обучения нейронных сетей позволяет снизить зависимость от случайных корреляций в данных, повышая точность и надежность анализа медицинских изображений.

Искусственный интеллект без границ: гармония ценностей в эпоху машинного обучения

от

Исследование выявляет критические пробелы в межкультурном выравнивании больших языковых моделей, включая нестабильность морального рассуждения, проявляющуюся в чувствительности к формулировкам запросов и последствиям, наличие культурных предубеждений, преимущественно ориентированных на ценности США и доминирование английского языка, недостаточное представительство различных демографических групп, особенно молодежи и представителей не западных культур, отсутствие стабильности этических решений во времени и ограниченную интерпретируемость методов выравнивания.

Новое исследование предлагает комплексный подход к оценке и улучшению культурной адаптации больших языковых моделей, выявляя универсальные проблемы и региональные особенности ответственной разработки ИИ.

Интеллектуальное управление портфелем: как нейросети оценивают риски и максимизируют прибыль

от

Архитектура, ориентированная на учет неопределенности при выборе факторов, извлекает высокоразмерные латентные портфели факторов из характеристик компаний, используя автоэнкодер, а затем, посредством моделей прогнозирования временных рядов, получает точечные и квантильные прогнозы для каждого фактора с целью количественной оценки неопределенности; факторы ранжируются по степени неопределенности, и наиболее предсказуемый поднабор используется для оптимизации портфеля касательной в факторном пространстве перед проецированием на веса торгуемых активов.

Новый подход к оптимизации инвестиционного портфеля использует возможности условных автоэнкодеров для более точной оценки неопределенности и выбора наиболее перспективных активов.

Охота на уязвимости в кибер-физических системах: новый подход

от

РампоНН представляет собой комплексную структуру, предназначенную для эффективной обработки и анализа данных, позволяющую создавать надежные и адаптивные системы, способные функционировать в динамично меняющихся условиях.

Исследователи разработали инновационную систему обнаружения уязвимостей, сочетающую нейронные сети и анализ достижимости для повышения эффективности тестирования сложных кибер-физических систем.