Hayek In The Pure Theory Of Capital
这是我读过的一本普通书，基于对哈耶克《资本纯理论》的阅读。哈耶克拒绝了庞巴维克的平均生产周期，即一个数字，概括了生产结构的资本密集度。他仍然试图说，从某种非总体意义上讲，资本密集程度更高的技术生产周期更长。我可能不会读完这本书。将本书与 J. R. 希克斯的《价值与资本》进行比较和对比是很有趣的。哈耶克正确地反对将资本视为同质量，并用资本的供求来解释利息：“试图通过类比工资和租金，将利息解释为某些明确给定的生产‘要素’服务的价格，几乎总是导致一种倾向，即将资本视为一种同质物质，其‘数量’可视为一种‘数据’，一旦正确定义，为了经济分析的目的，就可以用资本构成的具体要素的更完整描述来替代它。” （
Wages, Employment Not Determined By Supply And Demand
1.0 简介我想我已经有一段时间没有提出过这样的介绍性示例了，在这个示例中，在给定净产出水平的情况下，工资上涨与企业想要雇用更多劳动力有关。此示例是作为垂直整合企业的会计问题提出的。在此示例中，使用有理数进行精确计算非常繁琐。我估计如果有人想检查这一点，他们会使用电子表格。据我所知，Microsoft Excel 使用双精度浮点数。2.0 技术一家生产玉米的竞争性垂直整合企业的经理知道表 1 中列出的四种生产过程。玉米是一种消费品，也是一种资本品，即用于生产其他商品的生产商品。事实上，铁、钢和玉米在这个例子中都是资本品。第一个过程生产铁，第二个过程生产钢，后两个过程生产玉米。每个过程都表现出规
Confidence Intervals for Recursive Journal Impact Factors
我与 Johannes König 和 Richard Tol 合作撰写了一篇新工作论文。这是我在《经济文献杂志》上发表的 2013 年论文的后续，在那篇论文中，我计算了所有经济学期刊的简单期刊影响因子的标准误差，并试图评估期刊之间的差异是否显著。* 在这篇新论文中，我们为递归期刊影响因子制定了标准误差和置信区间，这些因素考虑到某些引用比其他引用更有声望，以及期刊的相关排名。我们再次将这些方法应用于 Web of Science 中包含的所有经济学期刊。递归影响因子包括流行的 Scimago 期刊排名 (SJR) 和 Clarivate 的文章影响力分数。我们使用 Pinski 和 Narin
Dynamic language understanding: adaptation to new knowledge in parametric and semi-parametric models
为了研究半参数 QA 模型及其底层参数语言模型 (LM) 如何适应不断发展的知识，我们构建了一个新的大型数据集 StreamingQA，其中包含在给定日期提出的人工编写和生成的问题，这些问题将从 14 年的带时间戳的新闻文章中得到解答。我们每季度对我们的模型进行评估，因为它们会阅读预训练中未见过的新文章。我们表明，参数模型可以在不进行完全重新训练的情况下进行更新，同时避免灾难性的遗忘。
An empirical analysis of compute-optimal large language model training
我们问一个问题：“对于给定的计算预算，最佳模型大小和训练令牌数量是多少？”为了回答这个问题，我们训练了各种大小和各种标记数量的模型，并根据经验估计了这种权衡。我们的主要发现是，当前的大型语言模型对于其计算预算来说太大了，并且没有在足够的数据上进行训练。
Servosila公司生产的国产波动齿轮箱用于机器人、机床制造、仪器制造、定位系统和精密机械。波动齿轮箱在给定的减速比下提供最小的齿隙、高运动精度和最小的重量。与行星齿轮箱相比，重量可增加1.5-2倍。波动齿轮箱的特点是形状紧凑、尺寸小。
Is Precision Psychiatry Realistic?
图 1 (Fernandes 等人，2017)。与“精准精神病学”相关的域。“为合适的患者提供合适的药物”是个性化医疗运动早期（2000 年）的流行语，以新兴的药物基因组学领域为代表。不再有“一刀切”的处方——人类基因组计划将允许医生预测您对任何给定药物的反应。上次我去药店时，我拿了便宜的仿制药，没有进行基因组测试。“个性化医疗”一词在 2011 年已经过时。国家研究委员会 (PDF) 更喜欢新改进的“精准医疗”品牌，因为......人们担心“个性化”一词可能会被误解为暗示治疗和预防措施是针对每个人独特开发的；在精准医疗中，重点是根据遗传、环境和生活方式因素确定哪些方法对哪些患者有效。什么是精
很棒的东西，即将在 JBES（2022 年）上发表。时间序列方法对网络演化的研究：预测和估计 ANNA BYKHOVSKAYA 摘要。本文分析了非负多元时间序列，我们将其解释为加权网络。我们引入了一个模型，其中时间序列的每个坐标代表时间上的给定边。与网络的大小相比，时间段的数量被视为很大。该模型指定了加权网络的时间演化，该网络将经典自回归与非负性、消失的正概率以及过程中分配给边的权重之间的同伴效应相互作用相结合。主要结果为网络演化过程的平稳性与爆发性提供了标准，并提供了估计模型参数和预测其未来值的技术。https://abykhovskaya.files.wordpress.com/2021/
How can you determine the number of neutrons in an atom?
我们如何确定给定原子中的中子数？首先，让我们定义一些您需要熟悉的术语。原子的原子序数是该原子核中的质子数。原子的质量数（也称为核子数）是总 […]如何确定原子中的中子数？文章首次出现在高中/荣誉/AP® 化学资源 | Viziscience。
Is it time for some unpleasant monetarist arithmetic?
这篇文章的标题暗指 40 年前 Tom Sargent 和 Neil Wallace 撰写的一篇论文“一些令人不快的货币主义算术”。这篇论文得出的惊人结论是，中央银行（仅限于利率政策和/或公开市场操作）无法单方面控制长期通胀率。这一结论主要依赖算术，而很少依赖理论，因此更加有力。那么，基本思想是什么？首先，货币政策和财政政策通过合并的政府预算约束密不可分。这意味着货币政策将产生财政后果。特别是，利率政策会影响与展期任何给定金额的政府债务相关的利息支出。问题是财政当局打算如何为利息支出融资。有两种基本方法可以做到这一点：（1）使用初级盈余（增加税收和/或削减开支）；（2）发行债务。第一种选择与经
Snow-Covered Obstacles’ Effect on Vehicle Mobility
摘要：复杂环境中的机动性项目使用无人机系统 (UAS) 来识别障碍物并在前方作战地点提供路径规划。无人机配备了摄影测量和激光雷达等遥感设备来识别障碍物。路径规划算法结合了检测到的障碍物，然后确定最快和最安全的车辆路线。未来的算法应该结合车辆的特性，因为每种类型的车辆在给定的障碍物上都会有不同的表现，从而产生独特的最佳路径。这项研究探讨了积雪覆盖的障碍物对动态车辆响应的影响。车辆测试使用仪表化的 HMMWV（高机动性多用途轮式车辆）在有或没有积雪的障碍物上行驶。测试表明，与 14.5 厘米积雪相关的法向力变化减少了 45%，身体加速度减少了 43%。为了预测车身加速度和法向力响应，我们开发了两种
В Promobot создали первую в мире диалоговую систему для робота. Она может работать офлайн
俄罗斯机器人制造商和斯科尔科沃基金会的驻地 - Promobot 公司 - 展示了同名服务机器人的对话系统。在此之前，机器人使用语言基础（即问答系统）进行交流，但现在它们将能够自由识别查询，根据给定主题进行聚类，并使用神经网络生成答案。
AFRL, AFSOC launch palletized weapons from cargo plane
此次成功的第一阶段作战演示代表了执行托盘弹药空投的里程碑，托盘弹药空投是指在任何给定时间投放大量空射武器。
PUBLICATION NOTICE: SPDAT Rainfall and Streamflow Analysis at Mobile, Alabama
摘要：本疏浚作业和环境研究 (DOER) 计划技术说明 (TN) 旨在解释如何使用风暴和降水疏浚分析工具 (SPDAT) 来确定给定地点对不同降雨水平的疏浚响应。该TN将重点关注莫比尔湾航道的历史疏浚记录以及该地区的降雨量。本技术方案中提出的分析将构成如何使用该工具方法来比较降雨和疏浚记录以确定其他地点的响应趋势的基础。工具分析的结果可以告知疏浚管理者，在未来周期类似的降雨或热带风暴条件下，预计需要进行多少疏浚。
Микроботы, предназначенные для ходьбы внутри тела
我们已经看到不少纳米级设备被开发用于以不同方式在体内输送药物等任务。最新的此类设备之一是一个微型四足机器人，它实际上可以步行到给定的目标。
The evolution of Natural Language Models (NLM) - Must know NLP Basics
我决定浏览一些 NLP（自然语言处理）领域的突破性论文，并总结我的学习成果。这些论文的日期从 2000 年代初到 2018 年。资料来源 - KDNuggets如果您是 NLP 领域的新手 - 我建议您从阅读这篇文章开始，其中涉及各种 NLP 基础知识。1. 神经概率语言模型2. 向量空间中单词表示的有效估计Word2Vec - Skipgram 模型3. 单词和短语的分布式表示及其组合4. GloVe：用于单词表示的全局向量5. 基于循环神经网络的语言模型6. 循环神经网络语言模型的扩展让我们从#1 开始，神经概率语言模型Bengio 等人。提出一种分布式单词表示法来对抗维数灾难。维数灾难源
Primer on the math of Machine Learning
1.向量的点积（内积或标量积）2个向量a和b的点积定义为：aT . b ，也可以表示为bT 。 a两个向量 a = [a1, a2, …, an] 和 b = [b1, b2, …, bn] 的点积定义为：{\displaystyle \mathbf {\color {red}a} \cdot \mathbf {\color {blue}b} =\sum _{i=1}^{n}{\color {red}a}_{i}{\color {blue}b}_{i}={\color {red}a}_{1}{\color {blue}b}_{1}+{\color {red}a}_{2}{\color {blu
A friendly introduction to Generative Adversarial Networks
到目前为止，我们一直在讨论判别模型，它将输入特征 x 映射到标签 y 并近似 P(y/x)——贝叶斯定律。生成模型则相反，它们试图根据标签预测输入特征。假设给定的标签是 y，我们看到某些特征 x 的可能性有多大。它们近似 P(x 和 y) 的联合概率。来源：Medium / CycleGAN生成对抗网络 (GAN)来源：O'ReillyGAN 的组成部分：1. 生成器——这是一个逆 CNN，当我们沿着 CNN 链前进并在输出处提取特征时，该网络不会压缩信息，而是将随机噪声作为输入特征并在其输出处生成图像。2. 鉴别器——鉴别器是一个 CNN，它查看来自训练集和生成器输出的图像，并将它们分类为真
