XiaoMi-AI文件搜索系统
World File Search System帕累托
![arxiv：2502.07214v1 [cs.lg] 2025年2月11日](/simg/5\5e739b943df494c8c1b2eda5f9ab181fc39eb689.webp)
arxiv：2502.07214v1 [cs.lg] 2025年2月11日
摘要。在决策系统中，算法追索权旨在确定最小成本的动作以改变个人的特征，从而获得预期的结果。这使个人有能力理解，质疑或改变对他们产生负面影响的决定。但是，由于系统环境和个人的敏感性以及量化单个功能的成本几乎是不可能的，同时考虑了多种标准情况。大多数当前的追索性机制都使用基于梯度的方法，这些方法假设成本函数是可区分的，通常不适用于现实世界中的情况，从而产生了损害各种标准的亚最佳解决方案。这些解决方案通常是棘手的，并且缺乏严格的理论基础，从而从可解释的AI（XAI）角度引起了人们对解释性，可靠性和透明度的关注。为了解决这些问题，这项工作提出了一个算法的求程框架，该框架处理了非不同和离散的多成本功能。通过将追索权作为多目标优化问题制定，并根据其重要性将权重分配给不同的会议室，我们的方法确定了帕累托最佳追索权建议。为了证明可伸缩性，我们结合了ϵ -NET的概念，证明了找到近似帕累托最佳作用的能力。实验显示了不同迹象和该方法在大图中的可扩展性之间的权衡。与当前的启发式实践相比，我们的方法提供了更强的理论基础，并更好地将追索权与现实世界的要求保持一致。
解决马铃薯供应链中粮食损失的根本原因
大幅减少粮食损失需要确定战略措施。大多数损失通常由几个根本原因造成。请考虑帕累托原则：20% 的问题通常会导致 80% 的问题。因此，建议完成流程级测量并准备一份粮食损失平衡表。然后更详细地检查造成总粮食损失的更重要因素，以确定根本原因和潜在补救措施。然后与相关利益相关者讨论这些补救措施，以确保就战略措施及其实施方式达成广泛共识。
带有多目标设计的机翼优化设计 - ArTS
摘要。本文介绍了 MH114 高升力翼型的多目标优化。我们寻求一组帕累托最优解，使翼型升力最大化，阻力最小化。由于几何不确定性，升力和阻力被认为是不确定的。概率气动力值的不确定性量化需要大量样本。然而，由于 Navier-Stokes 方程的数值解，气动力的预测成本很高。因此，采用多保真替代辅助方法将昂贵的 RANS 模拟与廉价的潜在流计算相结合。基于多保真替代的方法使我们能够在不确定的情况下经济地优化翼型的气动设计。
利用多保真高斯过程回归对具有几何不确定性的翼型进行多目标设计优化 ⋆
摘要。本文介绍了 MH114 高升力翼型的多目标优化。我们寻求一组帕累托最优解，使翼型升力最大化，阻力最小化。由于几何不确定性，升力和阻力被认为是不确定的。概率气动力值的不确定性量化需要大量样本。然而，由于 Navier-Stokes 方程的数值解，气动力的预测成本很高。因此，采用多保真替代辅助方法将昂贵的 RANS 模拟与廉价的潜在流量计算相结合。基于多保真度替代方法使我们能够在不确定的情况下经济地优化机翼的气动设计。
丹尼尔·托托里斯
教育背景 经济学博士，哈佛大学，2008 年 6 月 论文：“宏观经济模型中的失业和预期” 经济学硕士，哈佛大学，2005 年 11 月 经济学学士学位，麻省理工学院，2002 年 6 月 数学学士学位，麻省理工学院，2002 年 6 月 学术就业 2021 - 经济学副教授（终身教授），圣十字学院，经济学与会计系 2017 – 2021 经济学助理教授，圣十字学院，经济学与会计系。 2008-2017 布兰迪斯大学经济学系与国际商学院经济学助理教授 同行评审出版物 “阿尔茨海默病和其他痴呆症的全球宏观经济负担：对 152 个国家或地区的估计和预测”(与 S. Chen、Z. Cao、A.Nandi、N. Counts、L. Jiao、K. Prettner、M. Kuhn、B. Seligman、D. Vido、C. Wang 和 D. Bloom 合作)，《柳叶刀全球健康》，第 12 卷，第 9 期，2024 年 9 月。 “扩大卫生研究与开发的经济案例：从 COVID-19 大流行中吸取的教训”，(与 R. Rappuoli 和 D. Bloom 合作)，《美国国家科学院院刊》(PNAS)，第 121 卷，第 26 期，2024 年 6 月。 “有效的健康援助：来自“全球疫苗和免疫联盟疫苗计划”（与 Gauri Kartini Shastry 合作），AEJ：经济政策，有条件接受，2024 年 1 月 “美国阿尔茨海默病和相关痴呆症的护理成本：2016 年至 2060 年”（与 A. Nandi、N. Counts、J. Broker、S. Malik、S. Chen、R. Han、J. Klusty、B. Seligman、D. Vigo、D. Bloom 合作），npj：老龄化，已接受，2024 年 1 月
墨托 - 吡麦胺是帕帕因样蛋白酶（PLPRO）的可逆共价抑制剂，并抑制SARS-COV-2（SCOV-2）复制
SCOV-2的类似木瓜蛋白酶样蛋白酶（PLPRO）是病毒复制的必不可少的蛋白质，也是开发小分子药物的有吸引力的靶标。11 - 14 PLPRO在病毒复制15 - 17中起着至关重要的作用，并防止受感染的细胞产生干扰素，这对于安装针对SCOV-2的免疫反应至关重要。12,18,19 PLPRO裂解肽序列LXGG（X表示任何氨基酸），该氨基酸存在于未成熟SCOV-2病毒多蛋白的3个位点中。PLPRO催化了未成熟病毒多蛋白的三种非结构蛋白的释放，称为NSP1，NSP2和NSP3。12 NSP1，NSP2和NSP3在病毒复制中起关键作用，并抑制PLPRO块SCOV-2在细胞中的复制。20 PLPRO还切开包含序列RLGG的宿主蛋白，该蛋白存在于几种泛素（Ub）和泛素样蛋白（UBL）中，例如干扰素诱导的基因15（ISG15）蛋白。21 PLPRO具有显着的去渗透和去泛素化活性和PLPRO抑制可诱导病毒感染细胞产生干扰素，这应该导致对病毒的免疫反应增强。因此，从SCOV-2中对PLPRO的开发抑制剂非常感兴趣。14,20
墨托 - 吡麦胺是帕帕因样蛋白酶（PLPRO）的可逆共价抑制剂，并抑制SARS-COV-2（SCOV-2）复制
SCOV-2的类似木瓜蛋白酶样蛋白酶（PLPRO）是病毒复制的必不可少的蛋白质，也是开发小分子药物的有吸引力的靶标。11 - 14 PLPRO在病毒复制15 - 17中起着至关重要的作用，并防止受感染的细胞产生干扰素，这对于安装针对SCOV-2的免疫反应至关重要。12,18,19 PLPRO裂解肽序列LXGG（X表示任何氨基酸），该氨基酸存在于未成熟SCOV-2病毒多蛋白的3个位点中。PLPRO催化了未成熟病毒多蛋白的三种非结构蛋白的释放，称为NSP1，NSP2和NSP3。12 NSP1，NSP2和NSP3在病毒复制中起关键作用，并抑制PLPRO块SCOV-2在细胞中的复制。20 PLPRO还切开包含序列RLGG的宿主蛋白，该蛋白存在于几种泛素（Ub）和泛素样蛋白（UBL）中，例如干扰素诱导的基因15（ISG15）蛋白。21 PLPRO具有显着的去渗透和去泛素化活性和PLPRO抑制可诱导病毒感染细胞产生干扰素，这应该导致对病毒的免疫反应增强。因此，从SCOV-2中对PLPRO的开发抑制剂非常感兴趣。14,20
2041 年墨累河区域规划
免责声明：本出版物中包含的信息基于撰写时（2023 年 1 月）的知识和理解，可能不准确、不最新或不完整。新南威尔士州（包括新南威尔士州规划和环境部）、作者和出版商对文件中包含的任何信息（包括第三方提供的材料）的准确性、时效性、可靠性或正确性不承担任何责任。读者在做出与本出版物中包含的材料相关的决定时，应自行查询并依靠自己的建议。
协变性下的公平性：通过几乎没有标记的测试样本改善公平 - 准确性的权衡
协变性转移是一种常见的实践现象，可以显着降低模型的准确性和公平性能。在协变量转变下确保不同敏感群体的公平性至关重要，因为诸如刑事司法等社会意义。我们在无监督的制度中运行，其中只有一组未标记的测试样本以及标记的训练集。在这种高度挑战但现实的情景下提高公平性，我们做出了三项贡献。首先是一个基于新型的复合加权熵的目标，以实现预测准确性，并通过代表匹配的损失进行了优化。我们通过实验验证，在帕累托意义上，相对于几个标准数据集的公平性 - 准确性权衡，在帕累托意义上，使用损失配方优化优于最先进的基线。我们的第二个贡献是一个新的环境，我们称之为不对称的协变量转变，据我们所知，以前尚未研究过。与其他组相比，当一个组的协变量显着转移时，发生不对称的协变量转移发生时，当一个主体群体过分代表时，就会发生这种情况。虽然这种设置对当前基线非常挑战，但我们表明我们提出的方法显着胜过它们。我们的第三个贡献是理论，我们表明我们的加权熵项以及训练集的预测损失近似于协变量下的测试损失。通过经验和正式的复杂性界限，我们表明，与看不见的测试损失的近似不取决于影响许多其他基线的重要性采样方差。
奥里萨邦各行业总增加值 (GVA)
Pritipadma Sahu 和 Rajendra Gartia 博士摘要总增加值（GVA）是一种经济生产力指标，用于衡量企业子公司或市政当局对经济、生产者、行业或地区的贡献。GVA 是国家的产出减去中间消费，即总产出与净产出之间的差额。它很重要，因为它用于调整 GDP，而 GDP 是衡量一个国家总体经济状况的关键指标。奥里萨邦的经济由与 17 个部门相关的经济活动组成，即农业、林业、渔业、畜牧业、采矿和采石、制造业、建筑业、电力、天然气、供水和其他公用事业服务、其他方式的运输、铁路、通信、与广播贸易相关的服务、酒店和餐厅、金融服务、仓储、公共管理和国防以及其他服务。本研究是一次宏观层面的尝试，旨在分析 2011 年至 2022 年研究期间总增加值增长的区域差异，并比较各部门对州总体 GVA 的贡献。帕累托分析是一种决策统计技术，将用于选择有限数量的部门，即产生重大影响的重要少数部门 (VFS)。它使用帕累托原则（也称为朱兰的 80/20 规则），即可以将努力集中在这些对州总 GVA 贡献 80% 的 VFS 上，以便其余贡献 20% 的琐碎部门 (TMS) 可以自动受益于提高 GVA 水平。VFS 部门之间的不平等程度通过计算基尼集中度或基尼系数来衡量。通过考虑 VFS 部门之间的不平等程度，可以制定政策含义以克服不平等程度。帕累托分析和基尼系数描述了各部门对奥里萨邦总体 GVA 的贡献，这些估算值有助于制定适当的规划、方案和政策实施。广泛的政策目标因此，有必要为欠发达部门即琐碎多部门 (TMS) 部门制定广泛的政策目标。可以制定最佳和适当的发展计划，以消除部门间对 GVA 的贡献。关键词：总增加值 (GVA)、帕累托分析、重要少数部门 (VFS)、琐碎多部门 (TMS)、基尼系数简介 GDP 是衡量一个国家经济健康状况的非常有力的指标，它反映了一个国家生产的总量，因此包括一个国家生产的所有商品和服务的购买量以及个人、企业、外国人和管理机构使用的服务。几乎所有政府和经济决策者都将其用作规划和制定政策的指标。政府官员在规划未来时，会考虑各经济部门对 GDP 的贡献。但是，现在印度经济和邦经济的 GDP 是以 GVA 来计算的，而不是为了更好地衡量经济而考虑 GDP。GVA 和 GDP 之间的区别在于，GVA 是产品增加的价值，用于增强产品的各个方面，而 GDP 是该国生产的产品总量。GVA 是该国的产出减去中间消耗，即总产出和净产出之间的差额。GVA 很重要，因为它用于计算 GDP，而 GDP 是衡量一个国家整体经济状况的关键指标。它还可用于查看特定地区、邦或省份增加（或损失）了多少价值。在国家层面，GVA 有时更受青睐，作为衡量总经济产出和增长的指标，而不是 GDP 或 GNP。GVA 与 GDP 相关