Разработка архитектуры системы финансовой аналитики на основе интеграции методов машинного обучения и больших языковых моделей; Молодежь и современные информационные технологии

التفاصيل البيبلوغرافية
Parent link:Молодежь и современные информационные технологии.— 2026.— С. 444-449
المؤلف الرئيسي: Дружинин Н. С.
مؤلفون آخرون: Григорьев Д. С. Дмитрий Сергеевич (научный руководитель)
الملخص:В работе представлена гибридная архитектура интеллектуальной системы финансовой аналитики, объединяющая специализированные модели машинного обучения и большие языковые модели через механизм вызова функций. Предложенный подход решает ключевую проблему применения LLM в финансовой сфере - высокий уровень галлюцинаций при работе с количественными данными. Система включает три компонента: ансамбль задачно-специфичных ML-моделей для прогнозирования финансовых показателей, LLM-агента с динамическим планированием инструментов, RAG-модуль для обогащения ответов экспертными знаниями. Результаты демонстрируют синергетический эффект интеграции количественных моделей и языковых интерфейсов для решения практических задач финансового мониторинга
Текстовый файл
اللغة:الروسية
منشور في: 2026
الموضوعات:
الوصول للمادة أونلاين:http://earchive.tpu.ru/handle/11683/139115
التنسيق: الكتروني فصل الكتاب
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=687447

MARC

LEADER 00000naa2a2200000 4500
001 687447
005 20260826133430.0
090 |a 687447 
100 |a 20260710d2026 k||y0rusy50 ca 
101 0 |a rus 
102 |a RU 
135 |a drbn ---uucaa 
200 1 |a Разработка архитектуры системы финансовой аналитики на основе интеграции методов машинного обучения и больших языковых моделей  |f Дружинин Н. С.  |g науч. рук. Григорьев Д. С. 
320 |a Список использованных источников: 6 назв 
330 |a В работе представлена гибридная архитектура интеллектуальной системы финансовой аналитики, объединяющая специализированные модели машинного обучения и большие языковые модели через механизм вызова функций. Предложенный подход решает ключевую проблему применения LLM в финансовой сфере - высокий уровень галлюцинаций при работе с количественными данными. Система включает три компонента: ансамбль задачно-специфичных ML-моделей для прогнозирования финансовых показателей, LLM-агента с динамическим планированием инструментов, RAG-модуль для обогащения ответов экспертными знаниями. Результаты демонстрируют синергетический эффект интеграции количественных моделей и языковых интерфейсов для решения практических задач финансового мониторинга 
336 |a Текстовый файл 
463 1 |0 687244  |9 687244  |t Молодежь и современные информационные технологии  |o сборник трудов XXIII Международной научно-практической конференции студентов, аспирантов и молодых ученых, 18–20 февраля 2026 г., Томск  |c Томск  |d 2026  |n Изд-во ТПУ  |u conference_tpu-2026-C04.pdf  |v С. 444-449 
545 1 |a Искусственный интеллект и машинное обучение 
610 1 |a электронный ресурс 
610 1 |a труды учёных ТПУ 
610 1 |a языковые модели 
610 1 |a машинное обучение 
610 1 |a финансовая аналитика 
610 1 |a гибридные архитектуры 
610 1 |a RAG 
610 1 |a гибридные архитектуры 
610 1 |a финансовый мониторинг 
700 1 |a Дружинин  |b Н. С. 
702 1 |a Григорьев  |b Д. С.  |c специалист в области информатики и вычислительной техники  |c ассистент Томского политехнического университета  |f 1991-  |g Дмитрий Сергеевич  |4 727 
801 0 |a RU  |b 63413507  |c 20260710 
850 |a 63413507 
856 4 0 |u http://earchive.tpu.ru/handle/11683/139115  |z http://earchive.tpu.ru/handle/11683/139115 
942 |c CF