XiaoMi-AI文件搜索系统
World File Search SystemNousiainen
增强学习
强化学习（RL）借助深度神经网络中的广告，使多样化的学科中的重大分解。一些早期的亮点是在计算机游戏中（Mnih等，2015），国际象棋和GO（Silver等，2016）和机器人技术（Lillicrap等，2015; Haarnoja等，2018b）。最近的高光包括开发有效的算法，例如矩阵乘法（Fawzi等，2022）和分类（Mankowitz等，2023）。RL在天文学上也有一些应用。Telescope automation is closely related to robotics and RL can be used in telescope control including adaptive optics (Nousiainen et al., 2022; Landman et al., 2021; Nousiainen et al., 2021) and adaptive reflective surface control (Peng et al., 2022) as well as in observation scheduling (Jia et al., 2023a,b, 2022）。进一步向下数据流，RL已应用于射电天文数据处理管道（Yatawatta and Avruch，2021; Yatawatta，2023）进行超参数调整。将模范天文学视为从观察望远镜到科学家的数据流或信息，我们可以看到RL的更多应用以帮助和完善这种流程并激发该出版物。几种方法属于机器学习的伞（ML）：监督学习是最常用的方法，在该方法中既可以赋予计算机的输入和所需的输出，以学习执行某个任务。无监督
金融服务中的人工智能公平性
1. 人工智能高级专家组 (2019)。可信人工智能的道德准则。布鲁塞尔：欧盟委员会。2. 欧洲银行管理局 (2020)。欧洲银行管理局大数据和人工智能报告。巴黎。3. Joost van der Burgt (2019)。金融领域使用人工智能的一般原则。阿姆斯特丹：荷兰银行。4. ACPR (2018)。人工智能：金融行业面临的挑战。巴黎：法国审慎监管局。5. FSB (2017)。金融服务中的人工智能和机器学习：市场发展和金融稳定影响。巴塞尔：金融稳定委员会。6. Tractica (2019)。报告：人工智能市场预测。网址：https://tractica.omdia.com/research/artificial-intelligence-market-forecasts/ 7. DnB 和 AFM (2019)。保险业的人工智能：一项探索性研究。8. WEF（2018 年）。金融服务的新物理学：了解人工智能如何改变金融生态系统。世界经济论坛。9. Mutanen, T.、Nousiainen, S. 和 Ahola, J.（2010 年）。客户流失预测 - 零售银行案例研究。10. Feloni, R.（2017 年）。消费品巨头联合利华一直在使用智力游戏和人工智能招聘员工