Исследователи из Технологического института Джорджии создали модель машинного обучения, способную предсказывать события в таких сферах, как медицина, энергетика и транспорт. Эта технология, известная как Large Pre-Trained Time-Series Model (LPTM), может прогнозировать эпидемии и изменения в экономике, а также помогать городам в управлении ресурсами, например, электроэнергией. Ключевое преимущество LPTM заключается в ее универсальности. Модель была обучена на данных из разнообразных областей, включая здравоохранение, транспорт, энергетику и финансы. Она обеспечивает прогнозирование на 40% быстрее и требует на 50% меньше данных по сравнению с традиционными методами. В некоторых случаях LPTM может работать без предварительной настройки.
Основная особенность технологии — адаптивный модуль сегментации. Он способен обрабатывать данные с различной частотой, например, еженедельные отчёты о вспышках заболеваний или квартальные экономические показатели. Это позволяет модели находить закономерности, несмотря на тип информации. Тесты показали, что LPTM показывает лучшую точность прогнозов, чем 17 других моделей, в обработке данных об эпидемиях, потреблении электроэнергии и транспортных потоках. Даже в режиме “ноль-обучения”, когда модель используется без дополнительной настройки, она превосходит конкурентов. Кроме того, учёные сделали свою технологию доступной для коллег. На платформе GitHub была выпущена библиотека модулей LPTM для использования разработчиками.
Источник: Ferra
Как сообщалось ранее – JPG: Физики, наконец, приблизились к разгадке тайн нейтрино
