Zobrazeno 1 - 3
of 3
pro vyhledávání: '"interpretovatelné strojové učení"'
Autor:
Ivanoe De Falco, Antonio Della Cioppa, Tomas Koutny, Martin Ubl, Michal Krcma, Umberto Scafuri, Ernesto Tarantino
Publikováno v:
Sensors; Volume 23; Issue 6; Pages: 2957
V tomto článku navrhujeme inovativní evoluční rámec inspirovaný federativním učením. práci. Jeho hlavní novinkou je to, že je to poprvé, kdy je evoluční algoritmus použit na sám o sobě k přímému provádění činnosti federativn
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::ebb29ebe1a2312d21653b9e0358429b2
https://hdl.handle.net/11386/4818572
https://hdl.handle.net/11386/4818572
Autor:
Chalupová, Karolína
Can Machines Explain Stock Returns? Thesis Abstract Karolína Chalupová January 5, 2021 Recent research shows that neural networks predict stock returns better than any other model. The networks' mathematically complicated nature is both their advan
Externí odkaz:
http://www.nusl.cz/ntk/nusl-437990
Autor:
Chalupová, Karolína
Can Machines Explain Stock Returns? Thesis Abstract Karolína Chalupová January 5, 2021 Recent research shows that neural networks predict stock returns better than any other model. The networks' mathematically complicated nature is both their advan
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::153581e41c4cd5840b3987f0d333be5b
http://www.nusl.cz/ntk/nusl-500049
http://www.nusl.cz/ntk/nusl-500049