Fugu-MT 論文翻訳(概要): Incorporating Deep Q -- Network with Multiclass Classification Algorithms

論文の概要: Incorporating Deep Q -- Network with Multiclass Classification Algorithms

arxiv url: http://arxiv.org/abs/2307.03908v1
Date: Sat, 8 Jul 2023 05:47:22 GMT
ステータス: 処理完了
システム内更新日: 2023-07-11 16:37:48.372014
Title: Incorporating Deep Q -- Network with Multiclass Classification Algorithms
Title（参考訳）: 階層分類アルゴリズムを用いたディープQネットワークの導入
Authors: Noopur Zambare, Ravindranath Sawane
Abstract要約: 我々はKaggleのベンチマークデータセットを使用して、既存の教師付きマルチクラス分類アルゴリズムにDQNを組み込んだフレームワークを作成する。本研究は、企業における財政難の予測と、マルチクラス分類におけるディープQネットワークの広範な適用に焦点を当てた。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this study, we explore how Deep Q-Network (DQN) might improve the functionality of multiclass classification algorithms. We will use a benchmark dataset from Kaggle to create a framework incorporating DQN with existing supervised multiclass classification algorithms. The findings of this study will bring insight into how deep reinforcement learning strategies may be used to increase multiclass classification accuracy. They have been used in a number of fields, including image recognition, natural language processing, and bioinformatics. This study is focused on the prediction of financial distress in companies in addition to the wider application of Deep Q-Network in multiclass classification. Identifying businesses that are likely to experience financial distress is a crucial task in the fields of finance and risk management. Whenever a business experiences serious challenges keeping its operations going and meeting its financial responsibilities, it is said to be in financial distress. It commonly happens when a company has a sharp and sustained recession in profitability, cash flow issues, or an unsustainable level of debt.
Abstract（参考訳）: 本研究では,マルチクラス分類アルゴリズムの機能を深層q-network(dqn)がいかに改善するかを検討する。我々はKaggleのベンチマークデータセットを使用して、既存の教師付きマルチクラス分類アルゴリズムにDQNを組み込んだフレームワークを作成する。本研究の結果は,多クラス分類の精度を高めるために,深層強化学習戦略の活用方法について考察する。画像認識、自然言語処理、バイオインフォマティクスなど、様々な分野で使用されている。本研究は、企業における財政難の予測と、マルチクラス分類におけるディープQネットワークの広範な適用に焦点を当てた。金融危機を経験する可能性のあるビジネスを特定することは、金融とリスク管理の分野において重要なタスクである。ビジネスが経営を継続し、財務上の責任を果たすことが重大な困難に直面すると、財務上の困難に陥ると言われている。一般的には、企業が利益率やキャッシュフローの問題、持続不可能なレベルの負債の急な不況に陥っている場合に発生する。

関連論文リスト

Contrastive Learning of Asset Embeddings from Financial Time Series [8.595725772518332]
金融時系列データから資産埋め込みを生成するための,新しいコントラスト学習フレームワークを提案する。提案手法は,多くのサブウインドウに対するアセットリターンの類似性を利用して,情報的正および負のサンプルを生成する。実世界のデータセットに関する実験は、ベンチマーク業界分類とポートフォリオ最適化タスクにおける学習した資産埋め込みの有効性を実証している。
論文参考訳（メタデータ） (2024-07-26T10:26:44Z)
CFinBench: A Comprehensive Chinese Financial Benchmark for Large Language Models [61.324062412648075]
CFinBenchは、中国の文脈下での大規模言語モデル(LLM)の財務知識を評価するための評価ベンチマークである。この質問は、43の第二級カテゴリーにまたがる99,100の質問で構成されており、3つの質問タイプがある: シングルチョイス、マルチチョイス、そして判断である。結果は、GPT4といくつかの中国指向モデルがベンチマークをリードし、平均精度は60.16%であることを示している。
論文参考訳（メタデータ） (2024-07-02T14:34:36Z)
FinPT: Financial Risk Prediction with Profile Tuning on Pretrained Foundation Models [32.7825479037623]
FinPTは、金融リスク予測のための新しいアプローチであり、大規模な事前訓練された基礎モデルに基づいてプロファイルチューニングを行う。 FinBenchは、デフォルト、詐欺、チャーンといった金融リスクに関する高品質なデータセットのセットである。
論文参考訳（メタデータ） (2023-07-22T09:27:05Z)
Company-as-Tribe: Company Financial Risk Assessment on Tribe-Style Graph with Hierarchical Graph Neural Networks [62.94317686301643]
企業の金融リスクはユビキタスであり、上場企業に対する早期のリスク評価は、かなりの損失を避けることができる。従来の手法は主に企業の財務諸表に重点を置いており、企業間の複雑な関係は欠如している。比較学習を用いて部族の構造パターンを符号化する階層型グラフニューラルネット(TH-GNN)と、トライブ間の関係に基づいて情報を拡散する第2の階層型グラフニューラルネット(TH-GNN)を提案する。
論文参考訳（メタデータ） (2023-01-31T09:17:13Z)
Flexible categorization for auditing using formal concept analysis and Dempster-Shafer theory [55.878249096379804]
我々は、異なる金融口座に対する異なる利息の程度に応じて分類する様々な方法を研究する。本稿で開発したフレームワークは,説明可能な分類の獲得と研究のための公式な基盤を提供する。
論文参考訳（メタデータ） (2022-10-31T13:49:16Z)
Detection of fraudulent financial papers by picking a collection of characteristics using optimization algorithms and classification techniques based on squirrels [0.0]
本手法は,財務諸表の異常を検出するためのモデルを提供することを目的としている。リス最適化のメタ探索能力は、金融データの異常を識別するアプローチの能力とともに、提案した戦略の実装に有効であることが示されている。
論文参考訳（メタデータ） (2022-10-12T12:34:40Z)
A Multi-label Continual Learning Framework to Scale Deep Learning Approaches for Packaging Equipment Monitoring [57.5099555438223]
連続シナリオにおけるマルチラベル分類を初めて研究した。タスク数に関して対数的複雑性を持つ効率的なアプローチを提案する。我々は,包装業界における実世界のマルチラベル予測問題に対するアプローチを検証した。
論文参考訳（メタデータ） (2022-08-08T15:58:39Z)
Heterogeneous Information Network based Default Analysis on Banking Micro and Small Enterprise Users [18.32345474014549]
バンキングデータのグラフを考察し,その目的のために新しいHIDAMモデルを提案する。 MSEの特徴表現を強化するため,メタパスを通してインタラクティブな情報を抽出し,経路情報を完全に活用する。実験結果から,HIDAMが現実の銀行データにおいて最先端の競争相手を上回ることが確認された。
論文参考訳（メタデータ） (2022-04-24T11:26:12Z)
A new perspective on classification: optimally allocating limited resources to uncertain tasks [4.169130102668252]
例えば、クレジットカード詐欺検出では、銀行は詐欺捜査チームに少数の取引しか割り当てることができない。我々は、タスクの不確実性に対処するために分類を使うことは、利用可能な能力を考慮していないため、本質的には最適ではないと論じる。本稿では,限られた能力しか持たない課題の期待利益を直接最適化することで,ランク付けのための学習を用いた新しいソリューションを提案する。
論文参考訳（メタデータ） (2022-02-09T10:14:45Z)
FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
論文参考訳（メタデータ） (2021-09-01T00:08:14Z)
Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
論文参考訳（メタデータ） (2021-02-19T15:13:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。