• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Наука

Ученые НИУ ВШЭ разработали алгоритм для точных прогнозов финансовых рядов

Ученые НИУ ВШЭ разработали алгоритм для точных прогнозов финансовых рядов
Исследователи факультета компьютерных наук НИУ ВШЭ сравнили более 200 тысяч конфигураций моделей для прогноза цен акций и реализованной волатильности и показали, что его можно улучшить, если заранее отсеять шумы конкретных частот. Этот прием повысил точность в 65% случаев. Также авторы разработали собственный алгоритм, сопоставимый с лучшими моделями по точности, но при этом требующий меньше вычислительных мощностей. Исследование опубликовано в журнале Applied Soft Computing.

Исследователи ФКН посетили Китайский университет Гонконга в Шэньчжэне

Исследователи ФКН посетили Китайский университет Гонконга в Шэньчжэне
Делегация факультета компьютерных наук, в которую вошли представители Института искусственного интеллекта и цифровых наук, а также группа студентов, посетила вуз-партнер факультета — Китайский университет Гонконга в Шэньчжэне.

Тест «КардиоЖизнь» Вышки — в числе победителей премии Data Fusion Awards 2026

Тест «КардиоЖизнь» Вышки — в числе победителей премии Data Fusion Awards 2026
Разработка ученых Центра биомедицинских исследований и технологий Института ИИ и цифровых наук ФКН ВШЭ — генетический тест «КардиоЖизнь» — одержала победу в Общероссийской кросс-отраслевой премии в области технологий работы с данными и ИИ Data Fusion Awards. Проект занял первое место в номинации «Партнерство науки и бизнеса», показав успешную модель трансфера технологий из университетской науки в реальный сектор здравоохранения.

Исследователи НИУ ВШЭ научили нейросеть точнее определять взаимодействия между белками

Исследователи НИУ ВШЭ научили нейросеть точнее определять взаимодействия между белками
Ученые Института искусственного интеллекта и цифровых наук (Института ИИиЦН) факультета компьютерных наук НИУ ВШЭ разработали модель, которая с точностью до 95% предсказывает, будут ли белки взаимодействовать друг с другом. GSMFormer-PPI использует три типа данных о белке, в том числе и о его поверхности, и анализирует связи между ними, в отличие от предыдущих моделей, где данные просто объединялись. Разработка может ускорить поиск молекулярных механизмов болезней, биомаркеров и потенциальных мишеней для лекарств. Работа опубликована в журнале Scientific Reports.

Статья сотрудников HDI Lab выделена в категорию Spotlight на конференции AISTATS 2026