Наука

Предвидеть риски: Искусственный интеллект на службе ранней диагностики диабета

от

Иерархическая временная графовая нейронная сеть (HiT-Gnn) моделирует внутри- и междокументальные временные зависимости между клиническими сущностями, интегрируя знания UMLS для прогнозирования риска развития сахарного диабета 2 типа.

Новый подход, основанный на анализе медицинских записей и графовых нейронных сетях, позволяет более точно прогнозировать развитие диабета 2 типа на ранних стадиях.

Цифровые двойники: предсказание поведения сложных систем с учётом неточностей

от

Оценка скрытых сил $\bm{{\eta}}$ позволила установить соответствие между расчетными значениями и истинными нелинейными силами в каждой степени свободы трехмерной системы, при этом доверительные интервалы, охватывающие $\pm 2\sigma$, подтверждают надежность полученных результатов.

В новой работе представлена методика повышения точности прогнозирования динамических систем, использующая вероятностные модели и нейронные сети для компенсации погрешностей в исходных моделях.

Прогнозирование эпидемий: новый взгляд на контекст и данные

от

Архитектура, объединяющая нейросимволические подходы, позволяет прогнозировать заболеваемость рук, ног и рта (HFMD) посредством анализа разнородных контекстуальных сигналов - календаря учебных заведений, погодных условий, общенациональных тенденций и нормативных указаний - которые преобразуются в скалярный сигнал влияния, комбинируемый с историческими данными о заболеваемости для формирования вероятностных прогнозов.

Исследователи предлагают инновационный подход к прогнозированию вспышек заболеваний, объединяющий возможности больших языковых моделей и агентного моделирования для учета контекстуальных факторов.

Сигнал бедствия в сети: как нейросети расшифровывают последствия катастроф

от

В процессе анализа данных социальных сетей с использованием больших языковых моделей (LLM) формируется оперативная карта последствий катастроф, отсеивающая территории, не затронутые бедствием, что позволяет службам экстренного реагирования эффективно направлять и приоритизировать усилия помощи пострадавшим.

Исследование показывает, что современные языковые модели способны извлекать критически важную информацию о последствиях стихийных бедствий и геолокации пострадавших из сообщений в социальных сетях.