1研究小组“成人神经发生和细胞重编程”,生理化学研究所,大学医学中心约翰内斯·古腾堡大学,德国美因兹,2德国慕尼黑慕尼黑慕尼黑技术大学神经元细胞生物学研究所5慕尼黑系统神经病学集群(Synergy),慕尼黑,德国6分子,细胞和发育神经生物学系Cajal Institute,CSIC - 马德里市CSIC,马德里,西班牙7 7马德里,西班牙8个Instituto Incoriesitiodressiveacio´n en neuroquı´mica(IUIN),西班牙,马德里9个Instituto de Investituto de Investituto de Investituto´n Saniatiaria Saniatiaria Saniatiaria San Carlos(Idissc),西班牙10 Max Von Pettenkofer Institute and Genemians-Maximinians-uninemity Municer,Munich Instrymen,Max Von Pettenkofer Institute,弗里德里希 - 亚历山大大学,德国埃尔兰根市弗里德里希大学,12 MRC神经发育疾病中心,心理学和神经科学研究所,心理学和神经科学研究所,伦敦伦敦伦敦,英国伦敦,英国,13个焦点神经科学,伦敦,焦点神经科学,约翰内斯·古纳贝尔兹大学14介绍14介绍:这些作者同样贡献了16位高级作者 *通信:sgascon@cajal.csic.es(s.g。),benedikt.berninger@kcl.ac.uk(b.b。)https://doi.org/10.1016/j.stemcr.2023.10.019
摘要 - 深度学习模型最近在许多分类任务上表现出色。深度神经网络的出色表现取决于大量的训练数据,同时必须具有相等的类别分布才能有效。但是,在大多数现实世界中,标记的数据可能受到类别之间高不平衡比率的限制,因此,大多数分类算法的学习过程受到不利影响,从而导致预测和性能较低。三种主要方法解决了不平衡学习的问题,即数据级,算法级别和混合方法,这些方法结合了上述两种方法。数据生成方法通常基于生成的对抗网络,这些网络需要大量的数据,而模型级别的方法需要广泛的领域专家知识来制定学习目标,从而在没有此类知识的情况下对用户访问较差。此外,这些方法中的绝大多数被设计和应用于成像应用,更少的时间序列,并且对它们都极为罕见。为了解决上述问题,我们介绍了Genda,Genda是一种基于生成邻域的Deep AutoCoder,它在设计方面既简单又有效,并且可以成功地应用于图像和时间序列数据。genda基于学习潜在
遗传学,疫苗和感染性DESEOS研究小组(GENVIP),圣地亚哥卫生研究所(IDIS)(IDIS),西班牙圣地亚哥·德·科斯特拉(Santiago de Compostela)西班牙c研究中心(CSIC),西班牙和生物群岛的De Compostela,在传染病网络(Ciberinfec),马德里,西班牙胆小的儿科和传染病疾病,西班牙疾病,西班牙临床医院,Spantiago deia compostera(Chusa)(CH)(CH)
1临床医学研究所,I.M.Sechenov第一莫斯科州立医科大学(Sechenov大学),俄罗斯莫斯科11991; zolnikova_o_yu@staff.sechenov.ru(O.Z. ); dzhakhaya_n_l@staff.sechenov.ru(n.d。); bueverova_e_l@staff.sechenov.ru(E.B. ); sedova_a_v@staff.sechenov.ru(A.S。); kurbatova_a_a@staff.sechenov.ru(a.k. ); chekulaev_p_a@student.sechenov.ru(p.c.) 2公共卫生研究所,I.M. Sechenov第一莫斯科州立医科大学(Sechenov大学),俄罗斯莫斯科11991; Kryuchkova_k_yu@staff.sechenov.ru 3生物医学化学研究所,生物群体,俄罗斯莫斯科109028; t.butkova@gmail.com(T.B. ); izotov.alexander.ibmc@gmail.com(a.i. ); likulikova@mail.ru(L.K.) 4生物学数学问题RAS的数学问题 - 俄罗斯科学学院应用数学研究所的分支,142290,俄罗斯Pushchino,俄罗斯5个州研究中心 - 俄罗斯123098 Moscow,Burnasyan Federalan联邦联邦医学生物物理学中心,俄罗斯123098,俄罗斯; ks_yurku@mail.ru *通信:zaborova_v_a@staff.sechenov.ruSechenov第一莫斯科州立医科大学(Sechenov大学),俄罗斯莫斯科11991; zolnikova_o_yu@staff.sechenov.ru(O.Z.); dzhakhaya_n_l@staff.sechenov.ru(n.d。); bueverova_e_l@staff.sechenov.ru(E.B.); sedova_a_v@staff.sechenov.ru(A.S。); kurbatova_a_a@staff.sechenov.ru(a.k.); chekulaev_p_a@student.sechenov.ru(p.c.)2公共卫生研究所,I.M. Sechenov第一莫斯科州立医科大学(Sechenov大学),俄罗斯莫斯科11991; Kryuchkova_k_yu@staff.sechenov.ru 3生物医学化学研究所,生物群体,俄罗斯莫斯科109028; t.butkova@gmail.com(T.B. ); izotov.alexander.ibmc@gmail.com(a.i. ); likulikova@mail.ru(L.K.) 4生物学数学问题RAS的数学问题 - 俄罗斯科学学院应用数学研究所的分支,142290,俄罗斯Pushchino,俄罗斯5个州研究中心 - 俄罗斯123098 Moscow,Burnasyan Federalan联邦联邦医学生物物理学中心,俄罗斯123098,俄罗斯; ks_yurku@mail.ru *通信:zaborova_v_a@staff.sechenov.ru2公共卫生研究所,I.M.Sechenov第一莫斯科州立医科大学(Sechenov大学),俄罗斯莫斯科11991; Kryuchkova_k_yu@staff.sechenov.ru 3生物医学化学研究所,生物群体,俄罗斯莫斯科109028; t.butkova@gmail.com(T.B. ); izotov.alexander.ibmc@gmail.com(a.i. ); likulikova@mail.ru(L.K.) 4生物学数学问题RAS的数学问题 - 俄罗斯科学学院应用数学研究所的分支,142290,俄罗斯Pushchino,俄罗斯5个州研究中心 - 俄罗斯123098 Moscow,Burnasyan Federalan联邦联邦医学生物物理学中心,俄罗斯123098,俄罗斯; ks_yurku@mail.ru *通信:zaborova_v_a@staff.sechenov.ruSechenov第一莫斯科州立医科大学(Sechenov大学),俄罗斯莫斯科11991; Kryuchkova_k_yu@staff.sechenov.ru 3生物医学化学研究所,生物群体,俄罗斯莫斯科109028; t.butkova@gmail.com(T.B.); izotov.alexander.ibmc@gmail.com(a.i.); likulikova@mail.ru(L.K.)4生物学数学问题RAS的数学问题 - 俄罗斯科学学院应用数学研究所的分支,142290,俄罗斯Pushchino,俄罗斯5个州研究中心 - 俄罗斯123098 Moscow,Burnasyan Federalan联邦联邦医学生物物理学中心,俄罗斯123098,俄罗斯; ks_yurku@mail.ru *通信:zaborova_v_a@staff.sechenov.ru
电力系统脱碳是环境可持续性的关键。从消费 - 生产的角度来看,对电力的发生和使用方式的变化非常关注,但是电力系统也依赖于连接和集成生产和消费的电网基础架构,并且还需要转换。同时,包括电网在内的电力系统中的新技术为生产和消耗能源的更具社会可持续性的方式提供了潜力。在实践中,变化很慢,不平衡,而且通常功能失调。一种社会技术过渡方法提供了有关为什么这样做的原因,看到电力系统不仅在技术和经济方面发生变化,而且还随着技术与社会和政治过程之间互动的结果而变化。该方法引起人们对在复杂的关键基础设施(例如电力和强大的安全机构逻辑)中实现快速过渡的特定挑战。本文将这种方法应用于大不列颠的案例,尽管以高级气候政策的形式对可持续性做出了坚定的承诺,但电网通常是对变革速度的限制。一方面这些高级目标与电力系统中的详细规则和实践之间的薄弱环节来解释英国过渡的性质。在英国案件中,所有权和网格监管的模式也可以解释,这些模式保护了现有人,并使新演员很难在更社会可持续的方向上开发该系统。
长期以来,两个显着的限制一直阻碍了最佳运输方法与机器学习的相关性。首先,O(n 3)基于标准样本求解器的计算成本(在n个样品的批次上使用时)是过于刺激的。第二,质量保护约束使OT求解器在实践中过于刚性:因为它们必须匹配两种措施的所有点,因此离群值可能会大大影响其输出。最近的作品量已经解决了这些计算和建模的局限性,但导致了两种单独的方法菌株:虽然熵正则化大大改善了计算前景,但最近的O(N)线性低率溶剂溶液的最新OF-(N)线性低率溶解度却保持了进一步扩展OT的承诺。在建模的灵活性方面,由于OT的不平衡变体可以惩罚其边际偏离源和目标分布指定的耦合的耦合,因此可以对熵正则化的批量保护的刚度进行刚性。本文的目的是合并这两种菌株,即低级别和不平衡,以实现既可以扩展又相反的求解器的承诺。我们提出了自定义算法,以实现这些扩展问题,以解决线性的OT问题及其融合的Gromov-Wasserstein概括,并证明了它们与具有挑战性的空间转录组学匹配问题的实际相关性。这些算法是在OTT-JAX工具箱中实现的[Cuturi等。,2022]。
发现,在负载下测量的包装中的瞬时不平衡会随着平行字符串的添加以及较宽的母线电阻分布而增加。这可能会驱动包装细胞不均匀降解。此外,母线中的开路断层似乎会导致永久性失衡和包装容量的严重缺乏。
可变可再生能源(VRE)一代的扩展传播了国家能源系统的众多挑战。尽管近年来,VRE扩张并在整体市场概况中降低了煤炭利用,但煤炭能源的发电仍在不平衡市场中保持并提高了其作为边缘卖方的地位。煤炭作为后来度假胜地不平衡市场的竞标者的不成比例复兴也代表了其竞标行为的转变。对英国整体市场与德国的比较细分,随后对英国不平衡市场进行了特定调查,可以洞悉VRE,化石燃料的能源和补偿技术的变化。从历史上看,英国和德国市场的VRE趋势在广泛的一致性上是一致的。最近,发现英国整体市场的困扰增加会导致使用高污染技术来满足失衡。结果,总体和不平衡市场的组成越来越大,尽管预计气体在后者中的主导地位,但煤炭能源的复兴更为显着。因此,尽管可再生能源的发电比例继续增加,但化石(尤其是包括煤炭)及其相关的基础设施成本和作为价格设定的相关基础设施成本和影响力仍然在不平衡市场中占主导地位。
∗ Fornaro:CREI、庞培法布拉大学、巴塞罗那经济学院和 CEPR;LFornaro@crei.cat。Romei:牛津大学和 CEPR;Federica.Romei@economics.ox.ac.uk。本文的早期版本已以“全球经济复苏不平衡期间的货币政策”为题发表。我们感谢 Christoph Boehm、Jeffery Frankel、Veronica Guerrieri、Dmitry Mukhin、Nitya Pandalai-Nayar、Omar Rachedi、Elisa Rubbo、Dmitriy Sergeyev、Ludwig Straub 以及多次研讨会和会议的参与者提供的非常有帮助的评论。我们感谢 Diego Bohorquez 提供的出色研究协助。 Luca Fornaro 感谢欧洲研究理事会通过欧盟“地平线 2020”研究与创新计划的启动资金(851896-KEYNESGROWTH)、西班牙经济与竞争力部通过塞韦罗·奥乔亚研发卓越中心计划(CEX2019-000915-S)提供的资金支持,以及加泰罗尼亚政府通过 CERCA 和 SGR 计划(2017-SGR-1393)提供的资金支持。
摘要英国的经济是经合组织国家中地理上最不平等的经济之一,自1980年代中期以来,伦敦的领导人在增加。英国也是伦敦首都的经济,金融,政治和机构权力的压倒性的集中度。因此,一个关键问题是后一个特征是否是前者的原因。本文重点介绍了这个问题的一个方面,即伦敦在英国的资金化,新自由主义的全球化增长模型中的主导作用,在过去的四十年中一直持续下去。经常认为,伦敦在财产中的前提是国家增长的一种引擎,通过“ trick缩”影响为所有地区带来了利益。我们认为,这些主张被夸大了,并且需要对伦敦对其他地区和城市的负面影响进行更多的了解,这是关于某些人标记为“财务诅咒”的地理维度。我们认为,这种负面影响是英国地区不平等的增长不可或缺的一部分。政府的新“升级”政策,尽管在某些方面是创新的,但仍服从伦敦和财务的促进,并且不太可能分散和空间重新平衡经济。