Áp dụng phương pháp học máy trong nghiên cứu tài chính ứng dụng ở Việt Nam
Tác giả: Lê Đức Hoàng
Số trang:
Tr.219 - 221
Tên tạp chí:
Tài chính - Kỳ 2
Số phát hành:
Số 755
Kiểu tài liệu:
Tạp chí trong nước
Nơi lưu trữ:
209 Phan Thanh
Mã phân loại:
004
Ngôn ngữ:
Tiếng Việt
Từ khóa:
Tài chính ứng dụng, phương pháp học máy, chuyển đổi số, tài chính
Chủ đề:
Trí tuệ nhân tạo
&
Tài chính
Tóm tắt:
Phương pháp học máy là một tập hợp con của trí tuệ nhân tạo và đang làm thay đổi các hoạt động tài chính hiện đại. Thông qua phương pháp học máy, người sử dụng có thể dễ dàng rút ngắn thời gian thực hiện các thao tác. Hiện nay, việc áp dụng phương pháp học máy trong tài chính ứng dụng đang khá phổ biến ở các nước trên thế giới, tuy nhiên các nghiên cứu về ứng dụng phương pháp này ở Việt Nam vẫn còn khiêm tốn. Bài viết khái quát về tầm quan trọng của phương pháp học máy trong tài chính ứng dụng và một số công trình nghiên cứu liên quan nhằm gợi ý cho các nghiên cứu trong tương lai ở Việt Nam.
Tạp chí liên quan
- Constrained optimization using swarm intelligence integrated with Deb’s feasibility rules developed in Python = Giải bài toán tối ưu hóa ràng buộc sử dụng trí tuệ bầy đàn kết hợp quy tắc khả thi của Deb được phát triển bằng Python
- Particle Swarm Optimization using ε constraint-handling method developed in Python = Thuật toán tối ưu hóa bầy đàn sử dụng phương pháp xử lý ràng buộc ε được phát triển với Python
- Solving constrained optimization tasks in civil engineering using ε- Differential Evolution developed with Visual C#. NET = Giải các bài toán tối ưu hóa có ràng buộc trong ngành xây dựng sử dụng thuật toán ε - tiến hóa vi phân được phát triển với ngôn ngữ
- Optimizing cantilever retaining wall design using feasibility rule-based evolutionary algorithm developed with Visual C# .NET = Tối ưu hóa thiết kế tường chắn đất sử dụng thuật toán tiến hóa được kết hợp quy tắc khả thi và phát triển với ngôn ngữ C# .NET
- IFC5 : kỳ vọng về cuộc cách mạng trao đổi thông tin trong xây dựng kỹ thuật số





