Umfassender Vergleich von Vorhersagemodellen in der Volatilitätsanalyse Umfassender Vergleich zwischen den Vorhersagemodellen für Volatilität Einleitung Die Vorhersage von Volatilität ist ein entscheidender Aspekt im Risikomanagement und in der Optionen-Bewertung auf den Finanzmärkten. Traditionell waren Modelle wie GARCH (Generalized Autoregressive Conditional ...
Literaturverzeichnis zu den aktuellen Entwicklungen im Bereich des Bildungsdaten-Mining und der Analyse akademischer Leistungen Die Bedeutung von Data Mining in der Bildungsforschung: Ein Blick auf Aktuelle Trends und Techniken In den letzten Jahren hat sich Data Mining als unverzichtbares Werkzeug ...
OpenAI präsentiert sCM: Neuer Video-Generierungsmodel erreicht 50-fache Geschwindigkeit OpenAI stellt sCM vor: Ein Modell zur Videoerstellung 50 Mal schneller als bisherige Methoden In der Welt der Künstlichen Intelligenz gibt es ständig neue Entwicklungen. Ein bedeutender Fortschritt wurde kürzlich von einem ...
Die vorliegende Studie verwendet Maschinelles Lernen, um eine eingehende Analyse der Schlüsselfaktoren durchzuführen, die das Wiederauftreten von Leberzellkarzinom-Patienten mit hohen präoperativen systemischen Immunerkrankungsindex (SII) -Werten nach der Ablationstherapie beeinflussen, und auf dieser Grundlage ein Nomogrammmodell zur Vorhersage des rückfallfreien Überlebens ...
Die Verwendung von Hochgeschwindigkeits-Videomikroskopie und künstlicher Intelligenz ermöglicht die Berechnung von Statistiken wie diastolischen und systolischen Durchmessern, fraktioneller Verkürzung und Auswurffraktion. Drosophila, auch bekannt als Fruchtfliegen, sind ein wertvolles Modell für die Pathophysiologie des menschlichen Herzens, einschließlich des Herzalterns und ...
Das National Institute for Materials Science (NIMS) und die SoftBank Corp. haben gemeinsam ein Modell entwickelt, das in der Lage ist, die Zyklusdauer von Lithium-Metall-Batterien hoher Energiedichte vorherzusagen, indem maschinelles Lernen auf Batterieleistungsdaten angewendet wird. Das Modell erwies sich als ...
Die Konstruktion des Datensatzes in dieser Studie basiert auf insgesamt 1030 Betonproben, die zufällig in ein Trainingsdatensatz und einen unabhängigen Testdatensatz aufgeteilt wurden. Dabei wurden 822 Proben für das Modelltraining verwendet und 208 Proben wurden zur Leistungsbewertung bestimmt. Jede Probe ...
Der Artikel von Gaulton et al. beschreibt die Verwendung einer großen bioaktiven Datenbank namens ChEMBL für die Arzneimittelforschung. Die Autoren diskutieren die Bedeutung dieser Datenbank für die Entdeckung neuer Medikamente. Turon et al. stellen eine vollständig automatisierte KI/ML-Virtual-Screening-Kaskade vor, die ...
Ein Team am Los Alamos National Laboratory hat maschinelles Lernen – eine Anwendung von künstlicher Intelligenz – verwendet, um die verborgenen Signale zu erkennen, die einem Erdbeben vorausgehen. Die Ergebnisse am Kīlauea Vulkan in Hawaii sind Teil eines langjährigen Forschungsvorstoßes, ...
Eine Studie, die in Radiology veröffentlicht wurde, zeigt, dass ein Deep-Learning-Modell auf dem Niveau eines Bauchradiologen in der Erkennung von klinisch relevantem Prostatakrebs auf MRT-Bildern agiert. Die Forscher hoffen, dass das Modell als Ergänzung zu Radiologen eingesetzt werden kann, um ...