2014 dxdy logo

Научный форум dxdy

Математика, Физика, Computer Science, Machine Learning, LaTeX, Механика и Техника, Химия,
Биология и Медицина, Экономика и Финансовая Математика, Гуманитарные науки




 
 Использование нейросетей в эконометрике/временных рядах
Сообщение31.10.2023, 01:31 
Начало здесь:

(Оффтоп)

Rasool в сообщении #1614884 писал(а):
И может ли помочь трудоустроиться таким образом наличие ученой степени кандидата наук и научных публикаций в области ИИ? Мне сейчас одна дама - кандидат наук предложила свою помощь с постановкой задачи в ИИ (например, для публикации статьи в научном журнале) и возможно с подготовкой к работе (подбор литературы для самообразования). Только нужно определиться с конкретной областью в области ИИ согласно следующему документу: Приказ министерства экономразвития "Об утверждении критериев определения принадлежности проектов к проектам в сфере искусственного интеллекта".

Пока решил узнать о такой области, как применение нейросетей в эконометрике безотносительно последующего трудоустройства. Мне объяснили, что:
Цитата:
В эконометрических исследованиях важным является объяснимость моделей, нейронные сети этого не дают. Для временных рядов можно использовать нейронные сети, но только с особой архитектурой, например, LSTM. Для задач макроэкономического прогнозирования, как правило, нейронные сети не используют. Используют ARIMA/SARIMA, VAR, ECM.

Кажется, здесь, на этом форуме мне пояснили, что
Цитата:
Типичная задача в области анализа временных рядов - предсказание по последовательности предыдущих значений временного ряда наиболее вероятного следующего/будущего значения. Большая языковая модель (LLM - Large Language Model), лежащая в основе того же ChatGPT, предсказывает, какое слово или словосочетание будет следующим в предложении или фразе, т.е. в последовательности слов на естественном языке.
Нынешний ChatGPT реализован с использованием так называемых трансформеров - нейросетей, которые после 2017 года начали активно заменять более старую, но тоже нейросетевую и тоже ориентированную на работу с последовательностями архитектуру LSTM (long short-term memory networks), причём не только в задачах обработки текстов, но и в других областях.

То есть использование трансформеров в прогнозировании временных рядов может представляться перспективным? Вроде бы сейчас это относительно молодая отрасль, еще малоизученная? Если что, меня этот вопрос интересует в связи с возможностью исследований в этой области с последующей целью в случае успеха опубликовать статью в хорошем журнале. Например, если удастся дойти до уровня журнала типа "Machine Learning with Applications" - буду весьма удовлетворен.

 
 
 [ 1 сообщение ] 


Powered by phpBB © 2000, 2002, 2005, 2007 phpBB Group