简介: 神经网络是许多表现最佳的AI系统的基础,包括智能手机上的语音识别器或Google最新的自动翻译器,这些应用程序的巨大成功激发了人们对将神经网络应用于金融,经济,运营,市场营销,医学等许多其他领域的兴趣。在金融领域,研究人员已经在风险管理,资产定价和投资管理方面开发了一些有前途的应用程序。NN的成功很大程度上取决于其惊人的逼近特性,出色的预测性能以及可扩展性,然而,主要的问题是模型的可解释性:NN被视为黑匣子,几乎无法洞悉如何进行预测,本教程将对NN的可解释性作出响应的回答。

嘉宾介绍: Kay Giesecke,是斯坦福大学管理科学与工程教授,也是工程学院的Paul Pigott系学者。他是高级金融技术实验室的主任,也是数学和计算金融计划的主任。他在风险数据分析联盟的理事会和科学顾问委员会任职。Kay是一位金融工程师。他开发了随机财务模型,设计了用于分析财务数据的统计方法,研究了模拟和其他数值算法来解决相关的计算问题,并进行了实证分析。

成为VIP会员查看完整内容
26

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
126+阅读 · 2020年5月14日
【经典书】统计学习导论,434页pdf,斯坦福大学
专知会员服务
227+阅读 · 2020年4月29日
医疗中的自动机器学习和可解释性
专知
24+阅读 · 2019年4月1日
40行Python代码,实现卷积特征可视化
机器之心
5+阅读 · 2019年1月31日
斯坦福完全可解释深度神经网络:你需要用决策树搞点事
中国人工智能学会
4+阅读 · 2018年1月10日
TensorFlow神经网络教程
Python程序员
4+阅读 · 2017年12月4日
Arxiv
10+阅读 · 2019年2月19日
Adaptive Neural Trees
Arxiv
4+阅读 · 2018年12月10日
Arxiv
21+阅读 · 2018年2月14日
VIP会员
相关VIP内容
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
126+阅读 · 2020年5月14日
【经典书】统计学习导论,434页pdf,斯坦福大学
专知会员服务
227+阅读 · 2020年4月29日
微信扫码咨询专知VIP会员