Ученые из Технологического института Джорджии (Georgia Tech) разработали модель машинного обучения (ML), которая может прогнозировать события в таких областях, как медицина, энергетика и транспорт. Эта технология, называемая Large Pre-Trained Time-Series Model (LPTM), способна не только предсказывать эпидемии и экономические изменения, но и помогать городам управлять ресурсами, например, электричеством.
Главное преимущество LPTM — универсальность. Модель обучена на данных из различных отраслей, таких как здравоохранение, транспорт, энергосети и финансы. Она справляется с задачами прогнозирования на 40% быстрее и требует на 50% меньше данных по сравнению с традиционными моделями. В некоторых случаях LPTM может работать без предварительной настройки.
Секрет технологии заключается в ее адаптивном модуле сегментации. Он позволяет обрабатывать данные с разной частотой, например, еженедельные отчеты о вспышках заболеваний или ежеквартальные экономические данные. Благодаря этому модель выявляет закономерности в информации, независимо от ее типа.
Тесты показали, что LPTM превосходит 17 других моделей в точности прогнозов, обрабатывая данные об эпидемиях, электропотреблении и транспортных потоках. Даже в режиме "ноль-обучения", когда модель используется без дополнительной настройки, она обходит конкурентов.
Ученые также сделали технологию доступной для других ученых. На платформе GitHub опубликована библиотека модулей LPTM, которую могут использовать разработчики.
Источник: www.ferra.ru
Похожие новости:
Уровень «цифровой зрелости» компаний в России выше, чем в среднем по миру
Гиперперсонализация: как сделать предложение пользователю релевантным
«Слушая подкасты, ничего не узнаешь, ты должен устать, упасть без задних ног — такой должна быть встреча с образованием»
Технологии в агрокомплексе: мастера, подмастерье и искусственный интеллект