?
TabReD: Analyzing Pitfalls and Filling the Gaps in Tabular Deep Learning Benchmarks
P. 53831–53867.
Авдошин С. М., Песоцкая Е. Ю., Информационные технологии 2026 Т. 32 № 4 С. 185–194
С развитием ИИ, и в особенности глубокого обучения, появились модели, способные давать крайне точные
прогнозы. Однако их внутренняя логика остается трудной для понимания — и это серьезная проблема, особенно в сферах, где от корректности алгоритма зависят критиче ски важные решения. Одним из перспективных
путей ее решения считается направление Explainable Artificial Intelligence (XAI) — разработка подходов, позволяющих прояснять ...
Добавлено: 8 мая 2026 г.
Авдошин С. М., Песоцкая Е. Ю., Business Informatics 2026 Vol. 20 No. 1 P. 7–28
Добавлено: 8 мая 2026 г.
Статья посвящена разработке алгоритма анализа новостной информации методами машинного обучения, реализованными в библиотеках Python. Обоснование выбора инструментов, применяемых на каждом этапе алгоритма, осуществляется с помощью расчета метрик качества решения соответствующих задач машинного обучения. Результаты работы алгоритма представлены классификацией региональных новостей, собранных за период с августа 2024 года по июнь 2025 года, по отраслям экономики и ...
Добавлено: 20 апреля 2026 г.
Makarov D. M., Каликин Н. Н., Gurikov P. и др., Journal of Supercritical Fluids 2026 Vol. 235 Article 106979
Добавлено: 19 апреля 2026 г.
Лысенок Н. И., Фундаментальная и прикладная математика 2026 Т. 26 № 3 С. 33–42
Исследование посвящено оценке влияния прогнозов реализованной волатильности на результаты активных торговых стратегий на российском рынке акций. На выборке 17 ликвидных акций за 2014-2026 гг. построена гибридная прогнозная модель, объединяющая HAR-J и градиентный бустинг; её преимущество над базовой HAR-J подтверждено тестом Дибольда-Мариано (p < 0,001). Шесть направленных стратегий трёх категорий протестированы с тремя механизмами интеграции прогнозов и без них. ...
Добавлено: 17 апреля 2026 г.
Ефремов А. М., Тимофеев А. В., Ilyasov Y. и др., , in: ПАРАЛЛЕЛЬНЫЕ ВЫЧИСЛИТЕЛЬНЫЕ ТЕХНОЛОГИИ (ПаВТ’2025).: Издательский центр Южно-Уральского государственного университета, 2025. P. 56–81.
Добавлено: 4 апреля 2026 г.
Миронкина Ю. Н., Тимофеев Д. И., В кн.: Математическое и компьютерное моделирование в экономике, страховании и управлении рисками: сборник статей. Выпуск 10. Материалы XIV Научно-практической конференции. Саратов, 20–22 ноября 2025 г.Вып. 10.: Саратов: Саратовский университет, 2025. С. 51–58.
В автостраховании актуальна проблема финансовых убытков, вызванных неверной
классификацией клиентов с точки зрения возможной убыточности договора страхования с
ними. Работа направлена на разработку скоринговой системы на основе методов машинного
обучения и статистики, использующей данные портфеля крупной страховой компании (более
30000 наблюдений). Цель – выявление переменных, предсказывающих надёжность клиента, и
сравнение различных методов: градиентного бустинга, случайного леса, логистической регрессии, нейросетей. Применялись ...
Добавлено: 31 марта 2026 г.
Обоснование. Овариальный резерв отражает способность женщины к успешной реализации репродуктивной функции. Оценка овариального резерва является актуальной задачей для клинической практики [1] и важна при проведении научных исследований. Использование методов компьютерной обработки диагностических изображений способно ускорить и облегчить выполнение рутинных задач в клинической практике. Их применение при ретроспективном анализе данных в научных целях позволяет повысить объективность ...
Добавлено: 21 февраля 2026 г.
ICLR, 2026.
Добавлено: 16 февраля 2026 г.
Щепелева М. А., Столбов М. И., Экономика и математические методы 2026 Т. 62 № 1 С. 63–77
Прогнозирование банковских дефолтов представляет собой важную задачу для всей экономики. Раннее выявление проблемных банков помогает предотвратить надвигающиеся банкротства либо минимизировать связанные с ними потери. В статье обсуждается современ ное состояние инструментальных методов и данных, используемых для этой цели. Последова тельно рассматриваются теоретические предпосылки, эволюция методологических подходов, применяемых для прогнозирования банковских дефолтов, особенности работы с данными, ...
Добавлено: 13 февраля 2026 г.
Телешева Э. Д., Гущин М. И., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2025 Т. 527 № S С. 388–399
Задача генерации высококачественных синтетических данных имеет ключевое значение для многих задач, связанных с наукой о данных. Сгенерированный набор данных может сократить затраты на дополнение существующих данных дополнительными, например в физике, или помочь с защитой конфиденциальности, например в банковской сфере. Однако генерация табличных данных является сложной задачей, поскольку данные содержат как числовые, так и категориальные признаки. ...
Добавлено: 12 февраля 2026 г.
V. V. Zunin, A. I. Afonin, V. I. Anoshin и др., Automatic Documentation and Mathematical Linguistics 2025 Vol. 59 No. 5 P. 287–293
Добавлено: 11 февраля 2026 г.
Котов Ф. И., Тимохин И. С., Иванов Ф. И., , in: 2023 XVIII International Symposium Problems of Redundancy in Information and Control Systems (REDUNDANCY).: IEEE, 2023.
The Successive Cancellation List (SCL) algorithm is a widely used decoding technique in communication systems. However, constructing the critical set for SCL decoding is a challenging task, as it requires a large number of computations and can lead to significant decoding delays. In this paper, a new approach to critical set construction for SCL decoding ...
Добавлено: 26 января 2026 г.
Лауринавичюте А. К., Лопухина А. А., Reich D., , in: Proceedings of the 63rd Annual Meeting of the Association for Computational LinguisticsVol. 2: Short papers.: Wien: Association for Computational Linguistics, 2025. P. 59–66.
Добавлено: 19 января 2026 г.
Demekhina A., Milshina Y., , in: Artificial Intelligence Enabled Real Time Environmental Monitoring.: Springer, 2026. P. 253–281.
Добавлено: 13 января 2026 г.
Springer, 2025.
Добавлено: 26 декабря 2025 г.