XiaoMi-AI文件搜索系统
World File Search System估计量
从公用事业赞助的收入中立电力保护计划
在2007年至2014年之间，使用27,000多家家庭的每月帐户水平数据，该研究评估了收入中立的市政电力保护计划。购买节能AP Pliances的折扣是通过高消费家庭的一小部分附加费来资助的。结果表明，该计划主要在居民之间转移资金，几乎对电力消耗没有影响。使用折扣时间的变化，与不提供折扣的反事实相比，没有任何能源效率激励措施在统计或经济上有意义地减少电力消耗。使用束估计量并利用高消耗阈值周围的行为变化，电力消耗的略有减少归因于附加费，这表明价格比减少电力消耗时的补贴要好。总的来说，归因于电力保护计划的行为变化很小，这支持了最近的证据表明，许多能源效率计划在现实世界中表现不佳。
估算森林生物量并识别低强度采伐...
本研究的目的是利用机载激光雷达数据估算巴西安蒂玛利国家森林 (FEA) 1000 公顷热带森林的地上生物量并确定选择性采伐干扰的区域。研究区域由三个管理单位组成，其中两个单位未砍伐，而第三个单位的选择性采伐强度较低（约 10-15 立方米/公顷或总体积的 5-8%）。对 50 个 0.25 公顷地面植物进行标准随机抽样测量，并用于构建基于激光雷达的地上生物量 (AGB) 回归模型。使用激光雷达模型辅助方法估算已砍伐和未砍伐单位的 AGB（使用合成和模型辅助估算器）。这些预测使用了两个激光雷达解释变量，以 50 mx 50 m 的空间分辨率计算：1) 所有地面以上返回物的第一个四分位数高度 (P25)；2) 所有返回物地面以上高度的方差 (VAR)。模型辅助 AGB 估计量 (总计 231,589 Mg±5.477 SE；平均值 231.6 Mg ha-1±SS SE；±2.4%) 比仅针对样地的简单随机样本估计量 (总计 230,872 Mg±10.477 SE：平均值 230.9 Mg ha-1±10.5 SE；±4.5%) 更精确。使用综合估算法获得的总体和平均 AGB 估值（总体 231,694 毫克，平均 231.7 毫克/公顷）几乎与使用模型辅助估算法获得的估值相等。在分析的第二个部分，还以 1 米 x 1 米的分辨率计算了激光雷达指标，以确定选择性采伐管理单位内受伐木活动影响的区域。在 GIS 中使用高分辨率冠层相对密度模型 (RDM) 来识别和描绘道路、滑道、登陆点和采伐树隙。根据 RDM 确定的选择性采伐影响的面积为 58.4 公顷，占总管理单位的 15.4%。使用这两种空间分辨率的激光雷达分析，可以识别选择性采伐区域中 AGB 的差异，这些区域具有相对较高的残留大乔木冠层覆盖率。在选择性砍伐管理单元中，受影响区域的平均 AGB 明显低于未受干扰区域 (p = 0.01)。由 Elsevier Inc. 出版。
超越体素预测的不确定性：识别值得信赖的脑损伤
摘要。深度神经网络已成为自动分割 3D 医学图像的黄金标准方法。然而，由于缺乏对提供的结果进行可理解的不确定性评估，临床医生仍然无法完全接受它们。大多数量化不确定性的方法，例如流行的蒙特卡罗 dropout，都限制了体素级预测的某种不确定性。除了与真正的医学不确定性没有明确的联系外，这在临床上也不令人满意，因为大多数感兴趣的对象（例如脑病变）都是由体素组组成的，而体素组的整体相关性可能不会简单地归结为它们各自不确定性的总和或平均值。在这项工作中，我们建议使用创新的图形神经网络方法超越体素评估，该方法由蒙特卡罗 dropout 模型的输出训练而成。该网络允许融合三个体素不确定性估计量：熵、方差和模型置信度；并且可以应用于任何病变，无论其形状或大小如何。我们证明了我们的方法在多发性硬化症病变分割任务中的不确定性估计的优越性。
金砖国家二氧化碳排放的决定因素。动态面板 ARDL 方法
摘要。本文研究了外国直接投资、经济增长、贸易开放、能源消耗和可再生能源对金砖国家二氧化碳排放的影响。本研究采用面板 ARDL 模型来研究变量之间关联的短期和长期影响。PMG 估计量已被证明更值得信赖，并且效率更高，这使我们得出结论，它是更可取的技术。由于误差修正参数（也称为调整系数）显着负相关，因此研究结果表明存在长期关系。根据本文的研究结果，自由贸易和能源消耗对二氧化碳排放既有短期影响，也有长期影响。在短期内，外国直接投资对二氧化碳排放有积极影响，而可再生能源则有不利影响。令人惊讶的是，金砖国家并没有表现出经济发展与二氧化碳排放之间的相关性。这些发现可能会鼓励这些国家的政策制定者更好地认识到这一事件的复杂性，从而有助于指导未来对这一日益严重的国际安全威胁做出选择。关键词：金砖国家、能源、贸易、双边关系、ARDL 小组。
1。 - 欧洲指令的角色
污染是加入欧盟的中欧和东欧国家的主要挑战。在这种情况下，本文的主要目的是检查可再生能源消耗是否减少了由于欧盟指令引起的该地区的二氧化碳排放。根据矩量化回归（MMG）和平均组（MG）估计量的方法，可再生能源消耗在2007 - 2021年期间从欧盟从欧盟11个CEE国家降低了CO2排放。此外，基于俄罗斯联合会和黑山组成的供体池的合成控制方法表明，2009年发起的可再生能源指令降低了11个CEE州的污染，但与2019年以来自2018年修订的Renewable Energy Divipive在2018年提议的新目标相比，与欧盟以外的CEE国家相比，减少的减少量更大。在复杂的欧盟政策框架中，应考虑性别薪酬差距，并且似乎从欧盟降低了CEE国家的二氧化碳排放。这些发现支持来自欧洲中部地区的欧盟国家的政策建议。
评估免疫疗法期间单个病变动力学的变异性增加：它是否存在，这是否重要？
图1：超过1000个模拟数据集的纵向和生存数据的后验预测检查（PPC）； （a） - （e）：在atezolizumab治疗组中，纵向PPC通过病变位置分层，观察到的数据的中值（固体黑线）和淋巴（a），肺（B），肝（C），肝（C），Bladder（d）和其他（E）（E）的淋巴（A），蓝色，绿色，绿色，灰色，红色，红色和黄色的位置的预测间隔为95％。（f） - （j）：化学疗法治疗手臂中通过病变位置分层的纵向PPC，随着时间的时间观察到数据的中值（固体黑线）和淋巴（F），肺（G），肝（H），肝（H），膀胱（I）和其他（蓝色（J）的位置（蓝色，绿色，灰色，灰色，红色，红色，红色）的预测间隔为95％。（k）：两个治疗组中的生存PPC；化学疗法组（橙色实线）和atezolizumab臂（紫色实线）中观察到的数据中生存概率的Kaplan-Meier估计量和生存概率（有色区域）的预测间隔95％。
使用深度学习方法
动机：溶剂可访问的表面是与蛋白质结构和蛋白质功能相关的必不可少的结构特性度量。相对溶剂可访问区域（RSA）是描述蛋白质表面或蛋白质内部暴露程度的标准措施。但是，当残基信息缺失时，此计算将失败。结果：在本文中，我们提出了一种新型的E刺激方法，并使用了D E EP LEAN方法（Eagerer）。新方法，急切的，在两个独立的测试数据集上达到了Pearson相关系数为0.921–0.928。我们从经验上证明，与现有的RSA估计量相比，急切的人可以产生更好的皮尔森相关系数，例如协调数，半球体暴露和spherecon。据我们所知，狂热者代表了使用有限的信息和深度学习模型的有限信息来估算溶剂可访问区域的第一种方法。它可能对蛋白质结构和蛋白质功能预测有用。可用性和实现：该方法可以在https://github.com/cliffgao/eagerer上免费获得。联系人：gaojz@nankai.edu.cn补充信息：补充数据可在BioInformatics Online获得。
金砖四国可再生能源消费对经济增长的影响：面板数据分析
本研究旨在考察可再生能源消费对金砖四国（巴西、俄罗斯、印度、中国和土耳其）经济增长的影响。为此，我们将总固定资本形成、贸易开放和外国直接投资视为控制变量。本研究使用 Driscoll & Kraay 估计量，使用 1990-2020 年期间的数据进行面板分析和国家分析。根据面板结果，可再生能源消费、贸易开放和 FDI 变量在统计上不显著。当单独分析各国时，可再生能源消费对经济增长的影响各不相同。因此，它对中国、印度、俄罗斯产生负面影响，对巴西和土耳其产生正面影响。然而，它只在印度和土耳其具有统计学意义。在所有国家中，总固定资本形成的增长对增长都有积极影响，并且具有统计学意义。贸易开放对增长的影响在巴西（正）、中国（正）和印度（负）具有统计学意义。 FDI 仅在中国和土耳其具有统计显著性。FDI 对中国经济增长产生负向影响，对土耳其则产生正向影响。
MigratedOc.pdf-佛罗里达州立大学
自1960年以来，已经使用了另一种方法。这种方法将分裂的遗传组成作为标签，并衡量个体组之间的相似性（或差异）。这项工作导致了诸如f st的估计量，表明人群彼此之间的孤立程度以及基于种群或个人中等位基因频率的其他几种措施。这些方法通常是基于Sewall Wright和Ronald Fisher发明的简单种群模型。最常见的应用使用了Wright-Fisher种群模型，该模型假设人口不增长或收缩，每个人都有相同的机会再现的机会，并且每一代人的成年人都被其春季所取代。有趣的是，这个简单的模型是（并且）非常稳定，甚至是对这种模型似乎古怪（大象，人类等）的物种的应用，使人们对人口历史有很大的了解。不幸的是，尽管人口遗传理论取得了长足的进步，但从业者仍在使用这些方法。这些等位基因频率方法的问题问题主要源于以下事实：对称移民率和相等的人口规模需要完成以下事实（Beerli，2004）。
使用灵活的点击模型
使用先前部署的策略记录的数据评估新的排名策略需要一个反事实（非政策）估计器，以纠正演示和选择偏见。某些估计器（例如，基于位置的模型）通过对用户行为做出有力的假设来执行此校正，如果不满足假设，这可能会导致高偏差。其他估计器（例如，项目位置模型）依靠随机化来避免这些假设，但它们通常会遭受较高的差异。在本文中，我们开发了一种称为Interpol的新的反事实估计器，该估计器在其做出的假设中提供了可调节的权衡，从而提供了优化偏见差异权衡的新颖能力。我们在理论上和经验上分析了估计量的偏差，并表明它在合成数据集上都比基于位置模型和项目位置模型的误差较低。准确性的提高不仅使排名策略的离线评估受益，而且我们还发现，当用作学习级别的培训目标时，Interpol会改善对新排名政策的学习。