Прогнозируя огонь: как машинное обучение помогает укротить калифорнийские лесные пожары

По результатам анализа погрешности предсказания длительности удержания, различные модели демонстрируют вариативность в точности, что указывает на необходимость оптимизации алгоритмов для повышения надежности прогнозирования.

Новое исследование показывает, что алгоритмы машинного обучения могут значительно повысить точность прогнозирования времени локализации лесных пожаров в Калифорнии.

Финансовый интеллект: проверка языковых моделей на практике

Новый бенчмарк FIFE позволяет оценить способность нейросетей следовать сложным финансовым инструкциям, выявляя неожиданные результаты в сравнении проприетарных и открытых моделей.

Тепловой удар: как искусственный интеллект предсказывает смертельные волны жары

Система DeepThermis, используя исторические данные о смертности от всех причин, данные о не-смертности и прогнозы синоптических условий, выделяет компоненты смертности, связанные с жарой, и базовый уровень, позволяя выявлять смертоносные волны жары без необходимости калибровки по данным о смертности, непосредственно связанной с жарой, и применяя гибкую стратегию порогового значения для баланса между ложными и пропущенными тревогами.

Новая система DeepTherm использует глубокое обучение для точного прогнозирования смертности во время экстремальной жары, учитывая как общую, так и базовую смертность.