Томские ученые тестируют новые методы обучения ИИ на фондом рынке

В Томском государственном университете систем управления и радиоэлектроники протестировали новые методы машинного обучения во время прогнозирования стоимости акций и успеваемости студентов. С равнении с классическими методами обучения нейросетей, в нескольких случаях получилось добиться увеличения точности в четыре раза. Об этом 10 декабря сообщили в пресс-службе вуза.

Исследованием занимается профессор кафедры автоматизированных систем управления Екатерина Грибанова. Работа ведется в рамках проекта Российского научного фонда "Применение методов решения обратных некорректных задач в машинном обучении".

- Рассматривали прогнозирование акций, собирали финансовые данные и "строили" разреженную нейронную сеть, которая прогнозирует дивиденды и стоимость акций, - отмечает Екатерина Грибанова.

Также в рамках исследования собирали информацию с тематических форумов инвесторов, чтобы посмотреть, как их активность и настроение влияют на цену и дивиденды, и генерировали синтетические показатели для нейронной сети при помощи больших языковых моделей относительно инвестклимата. 

Методы решения обратных задач представляют собой приемы, позволяющие находить неизвестные параметры системы на основе наблюдаемых данных, восстанавливать первоначальные условия по конечному результату. Предложенный метод позволяет создавать модели, обеспечивающие более точное прогнозирование с меньшими вычислительными затратами. Впоследствии эти методы томские ученые будут использовать для задачи кластеризации данных, а именно разделения. Также предстоит строить гибридные алгоритмы, рассматривать методы обучения на других видах нейросетей.

Ранее "Байкал24" писал о том, что томские ученые исследовали эталонный столетний экземпляр сибирской миноги.