XiaoMi-AI文件搜索系统
World File Search System估计方法
制度与经济发展
摘要 制度被称为国家增长的“深层决定因素”。然而，在国家以下层面，实证证据有限。本研究考察了制度质量指标如何影响经济增长。15 个指标（每个指标涵盖印度 21 个邦，时间跨度为 7 年）用于基于主成分分解的因子分析提取因子。首先，构建三个涵盖经济效率、治理能力和法律秩序的分项指数。然后，取它们的平均分，最终得出制度质量指数。然后，该指数用于 North (1981) 开发的正式增长回归框架，采用合并 OLS 和基于固定效应的估计方法。研究结果表明，良好的制度具有积极且显著的水平和增长效应，即它们对人均收入及其增长产生积极影响，但有所滞后。最后，治理能力和经济效率指标在统计上显著地对人均收入增长产生了积极影响——让我们思考，至少在短期内，印度这样的发展中国家应该在哪里部署更多的有限资源。
神经心理评估的视觉和程序手写分析的调查
摘要到目前为止，用于手写和绘图分析的人工智能系统主要针对诸如作者识别和草图识别之类的域。相反，作为大脑健康的生物标志物的图形运动模式的自动表征是一个相对较少的研究领域。尽管其重要性，但在这个方向上所做的工作是有限且零星的。本文旨在提供相关工作的调查，以向新手研究人员提供指导，并强调相关的研究贡献。文献已分为“视觉分析技术”和“程序分析技术”。视觉分析技术在完成后评估图形运动反应的弹药样品。另一方面，程序分析技术集中于产生图形运动反应的动态过程。由于两种策略家族的主要目标是有效地代表领域知识，因此本文还概述了文献中提出的常用手写表示和估计方法，并讨论了它们的优势和劣势。它还突出了现有过程的局限性以及设计此类系统时通常面临的挑战。高级方向的进一步研究得出结论。
自动驾驶汽车的仅雷达探测器和映射
摘要 - 进程和映射在自动驾驶汽车的导航中起关键作用。在本文中，我们仅使用雷达传感器来解决姿势估计和图创建的问题。我们专注于两种进程估计方法，然后是映射步骤。第一个是一种新的点ICP方法，它利用了3D雷达传感器提供的速度信息。第二个对样品数量较少的2D雷达是有利的，对于传感器被大动态障碍阻塞的场景特别有用。它利用恒定速度过滤器和测得的多普勒速度来估计车辆的自我运动。我们通过过滤步骤丰富了这一点，以提高所得地图中点的准确性。我们使用DELFT和NUSCENES数据集的视图将工作进行了测试，这些数据集涉及3D和2D雷达传感器。与现有替代方案相比，我们的发现以准确性为例，说明了我们的进程技术的状态性能。此外，我们证明，在针对相应的LIDAR图基准测试时，我们的地图过滤方法比原始未经过滤的图获得了更高的相似性率。
投影检测量化气溶胶光学厚度，用于高空间分辨率光学图像的大气校正
摘要：光学遥感数据的大气校正需要确定气溶胶和气体的光学特性。提出了一种方法，该方法允许从无云情况下的投影像素中以低于 5 m 的空间采样间隔检测光学遥感数据的气溶胶散射效应。导出的气溶胶光学厚度分布用于改进大气补偿。第一步，一种新颖的光谱投影检测算法使用光谱指数确定阴影区域。对投影掩模的评估显示整体分类准确率在 80% 的水平上。使用这种导出的阴影图，将 ATCOR 大气补偿方法迭代应用于阴影区域，以找到最佳气溶胶量。通过分析完全阴影像素与直接照明区域的物理大气校正来找到气溶胶光学厚度。基于阴影的气溶胶光学厚度估计方法 (SHAOT) 在机载成像光谱数据以及摄影测量数据上进行了测试。对于所研究的测试案例，使用这种导出的气溶胶光学厚度进行大气校正的反射率值的精度可以从 3-4% 提高到优于 2% 的水平。
电动汽车中的机器学习驱动的锂离子电池的数字双模型：评论
摘要：电动汽车（电动汽车）改变了汽车行业，并已成为一种更可靠，更一致的公共交通方式。电池供电的车辆在大力的帮助下，开发了自由污染环境和改善的生态环境。锂离子（锂离子）电池是电动汽车中使用最广泛的电池类型，因为与同行相比，其性能出色。电动汽车的核心是他们的电池管理系统（BMS），可以毫无疑问地改善电池的性能，操作，安全性和寿命。锂离子电池状态估计是BMS实施的最重要部分之一，因为它在安全可靠的电池操作中起着重要作用。最近，研究人员正在研究数字双胞胎模型，以利用机器学习（ML）算法和云计算来自动化和优化BMS状态估计过程。这项研究的目的是审查，表征和比较各种基于ML的方法，以估算不同的锂离子电池状态。首先，本研究描述并表征了近年来提出的几种锂离子电池状态估计方法。其次，讨论了电动汽车的电池状态估计。此外，提出了锂离子电池状态估计的挑战和前景。
“发展中经济体的经济增长与失业联系：性别和年龄分类视角”
本文以尼日利亚的经济环境为背景，从性别分类的角度研究了增长与失业之间的联系。估计方法采用基线形式的自回归分布滞后模型、边界检验和误差修正表示。感兴趣的变量采用 1981 年至 2017 年的年化时间序列。总体而言，研究发现，女性失业对尼日利亚的 GDP 增长率有显著的正向影响，而青年失业对 GDP 有显著的负向影响。研究还发现，男性失业对尼日利亚的 GDP 增长率没有显著影响。从长远来看，本研究中影响 GDP 增长率的主要变量包括失业率、劳动力规模与全国人口的比例、女性失业率和青年失业率。误差修正表示和边界检验估计证实，增长会根据所研究的失业变量的动态进行调整。该研究主张增加政府资本支出，因为从理论上和实践上看，这可以创造新的就业机会。这些支出应该投入到能够创造上游和下游就业机会的实体和核心生产部门。
对爆炸碎片中粉末因子的预测和评估的回顾
粉末因子可以定义为打破岩石单位体积或吨（t）所需的爆炸物数量（kg）。通过爆破岩石的前景的特征是爆炸物的特定消费。在过去的几十年中，研究人员提出了几种精确的方法，以预测爆炸操作中的粉末因子或特定电荷，而不是通过试验爆炸。该领域的研究集中在岩体质量特性，爆破材料和爆破几何形状之间的关系上，以建立粉末因子。同样，已经研究了在洞穴理论中体现的特定能量和粒径之间的相互作用，而粒径较少依赖于当地条件。在本文中，已经审查了基于经验和洞穴理论建模的粉末因子估计方法，以及在表面基准爆破和地下隧道操作中的机器学习方法。还讨论了完整岩石特性对粉末因子分配的影响以及粉末因子选择对爆破后条件的影响。最后，在这方面指出了粉末因子估计中遇到的常见挑战。
通过可观察性和碳意识定价弥合无服务器中的可持续性差距
无服务器计算由于其高可扩展性，易用服务器管理和成本效益而成为主流云构成的主流云。随着云数据中心的碳足迹急剧上升，理解和最小化无服务器功能的碳影响变得至关重要。无服务器功能的独特特征，例如事件驱动的调用，按需付费计费模型，短执行持续时间，短暂运行时以及基础设施基础结构的不透明，在有效的碳计中构成挑战。在本文中，我们认为应扩展当前的碳估计方法，以在无服务器设置中进行更准确的碳核算，并提出了与无服务器计算的上下文相符的基于USES和分配的碳模型。我们还阐明了无服务器系统和计费模型如何使其在财务上没有吸引力，以优先考虑广泛的用户和开发人员的可持续性。为了解决这个问题，我们提出了一种新的碳感知定价模型，并评估了其通过更好的计费和碳效率来对开发人员进行可持续实践的能力。
基于XGB-AKF方法的储能锂离子电池健康状态评估研究
锂离子电池具有能量密度高、循环寿命长、稳定性高等优点，被广泛应用于电动汽车、电网储能等领域。为保证电池系统安全可靠运行，准确快速地估计锂离子电池的健康状态（SOH）具有重要意义。锂离子电池是一个复杂的非线性动态系统，实际工作条件下锂离子电池的健康状态无法直接测得，只能通过反映电池老化程度的外特性参数来间接估计。基于单一老化特征或模型的方法难以保证可靠性。因此，本文提出了一种数据驱动的XGBoost与卡尔曼滤波相结合的多特征SOH估计方法。首先，采用主成分分析算法基于数据重构多种电池老化特征，并基于重构的特征数据构建融合多种特征的XGBoost在线估计模型。最后，该方法通过引入基于XGBoost模型实时校正的时域卡尔曼滤波实现了锂离子电池SOH的联合优化估计。结果表明，该方法提高了估计模型的准确性和鲁棒性，实现了锂离子电池SOH的高精度联合估计。
利用电路深度估计基态能量的量子算法对精度的依赖性呈指数级提高
量子计算领域的一个里程碑将是比最先进的经典方法更快地解决量子化学和材料问题。目前的理解是，要实现该领域的量子优势，需要一定程度的容错能力。虽然硬件正在朝着这一里程碑的方向改进，但优化量子算法也使其更接近现在。现有的基态能量估计方法成本高昂，因为它们需要每个电路的门数，而这些门数会随着所需精度位数的增加而呈指数增长。我们通过开发一种基态能量估计算法，将成本成倍降低，该算法的成本随着精度位数的增加而线性增长。相对于最近对工业相关分子碳酸乙烯酯和 PF − 6 的基态能量估计的资源估计，估计的门数和电路深度分别减少了 43 倍和 78 倍。此外，该算法可以使用额外的电路深度来减少总运行时间。这些特性使我们的算法成为在早期容错量子计算时代实现量子优势的有希望的候选算法。