XiaoMi-AI文件搜索系统
World File Search System最佳
用所有感官进行学习：多模式丰富是未来的最佳学习策略
特征为平坦、上升、下降-上升或下降。每个声谱图内的轮廓用白色虚线突出显示。 (B) 视觉音调标记在感知上与每个音调的音高轮廓一致，可用于多感官感知丰富。 (C) 视觉表示在语义上与 (A) 中呈现的音调的单词含义一致，可用于多感官语义丰富。 (D) 音高轮廓的手势、感知一致的表示。来源：认知科学趋势 (2022)。DOI：10.1016/j.tics.2022.10.007
c学习估计重复疾病的最佳个性化治疗方案
抽象的经常性事件，其特征是在个人研究中反复发生同一事件，是医学研究中的一种常见数据。是出于癌症的促进，我们旨在估算有效减轻此类复发事件的最佳个性化治疗方案（ITR）。ITR是一项决策规则，它根据个性化信息将最佳治疗方法分配给每个患者，以最大程度地提高整体治疗益处。但是，现有的估计ITR的研究主要集中于初次事件，而不是经常发生的事件。要解决重复事件的最佳ITR的问题，我们提出了经常性的C-学习方法（RECL）方法，以从两个或多个处理选项中识别最佳ITR。所提出的方法将优化问题重新定义为加权分类问题。我们介绍了三个错误分类成本的估计器：结果回归估计器，逆概率加权估计器以及增强的反概率加权估计器。RECL方法利用分类技术来生成针对经常性事件数据量身定制的可解释的最佳ITR。在各种情况下通过模拟证明了RECL方法的优点。此外，基于关于结直肠癌治疗的实际数据，我们采用了这种新颖的方法来得出结直肠癌的可解释的树木治疗方案，从而为增强治疗策略提供了实用的框架。
纠缠的n-photon国家，以进行公平，最佳的社会决策
1魁北克研究中心大学医院中心 - 加拿大魁北克G1V 4G2的拉瓦尔大学； 2魁北克大学心脏病学研究所（CRIUCPQ） - 加拿大魁北克G1V 4G5的Laval University，加拿大魁北克大学的心脏病学研究中心； 3舍布鲁克大学医院中心（CHUS）和CRCHUS，魁北克J1H 5N4，Sherbrooke的CRCHUS 3医学遗传学服务； 4加拿大魁北克G1V 0A6大学Laval Cancer Research Center，加拿大魁北克； 5加拿大魁北克G1V 0A6，魁北克省，魁北克省法学与工程学院生物化学，微生物学和生物信息学系； 6加拿大魁北克G1V 0A6牙科医学学院口腔生态学研究小组，加拿大魁北克； 7加拿大魁北克G1V 0A6魁北克大学牙科医学学院Hérelle细菌病毒参考中心的7félix； 8国家科学研究中心（CNRS），Luminy Campus，13288 Marseille Cedex 09，Luminy Campus国家科学研究中心（CNRS）的建筑和功能； 9生物大分子的建筑和功能，Aix-Marseille大学，Luminy Campus，13288 Marseille Cedex 09，法国
非线性有限的精确和最佳二次化 -
摘要。普通微分方程的多项式和非分解系统的二二次化在多种学科中，例如系统理论，流体力学，化学反应建模和数学分析。二次化揭示了模型的新变量和结构，该变量和结构可能更容易分析，模拟，控制并提供了方便的学习参数化。本文提出了新的理论，算法和软件功能，用于非自治odes的二次化。我们根据输入函数的规律性提供存在结果，因为可以通过二次化获得二次双线系统的情况。我们进一步发展存在结果和一种算法，该算法概括了具有任意维度的系统的二次化过程，该系统在尺寸增长时保留了非线性结构。对于此类系统，我们提供维度不合时宜的二次化。一个示例是半消化的PDE，当离散化大小增加时，非线性项在象征性上相同。作为这项研究实际采用的重要方面，我们将QBEE软件的功能扩展到具有任意维度的ODES和ODES的非自治系统。我们提供了以前在文献中报道的ODE的几个示例，在此，我们的新算法找到了比先前报道的提升转换的四倍体ode系统。我们进一步强调了二次化的重要领域：减少阶模型学习。太阳风示例突出了这些优势。该区域可以通过在最佳提升变量中工作而受益匪浅，其中二次模型提供了模型的直接参数化，这也避免了非线性项的额外超重还原。
无资本经济中的最佳财政和货币政策
建议引用：Jr., Robert E. Lucas；Stokey, Nancy L. (1982)：《无资本经济中的最佳财政和货币政策》，讨论文件，第 532 号，西北大学，凯洛格管理学院，经济与管理科学数学研究中心，伊利诺伊州埃文斯顿
确定 COVID-19 抑制政策的最佳持续时间：成本效益分析
如果得不到任何干预，新冠病毒将给美国经济造成超过 9 万亿美元的损失。抑制政策旨在通过关闭学校和非必要企业等严格的社会隔离措施来减少新病例数量。缓解政策限制较少，旨在通过限制密切互动和隔离传染性个体来减缓新病例的增长。假设在疫苗上市之前，抑制阶段将被缓解阶段取代，我们发现，抑制阶段的经济成本越高，最佳持续时间越短，两个阶段减少病毒传播的效果就越好。最后，通常提出的开关式抑制政策在经济效率上不如在疫情爆发之初实施的持续抑制制度。
确定个人虚拟大脑的最佳工作点
。CC-BY 4.0 国际许可，根据 提供（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者，此版本于 2020 年 3 月 26 日发布。；https://doi.org/10.1101/2020.03.26.009795 doi：bioRxiv 预印本
最佳尺寸方法 - 几个影响因素的影响
摘要 - 由于表现不断提高和成本降低，Battery储能系统（BESS）越来越具竞争力。从技术角度来看，某些电池存储技术可能是成熟且可靠的，但预计会进一步降低成本，但电池系统的经济关注仍然是要克服的主要障碍，然后才能将BESS充分用作能源领域的主流存储解决方案。由于部署BES的投资成本很大，因此最关键的问题之一是最佳尺寸，以平衡使用BESS改善能源系统绩效和实现盈利投资之间的权衡取舍。确定特定应用程序的最佳BES大小是一项复杂的任务，因为它取决于应用程序本身，电池系统的技术特征和业务模型框架的许多因素。本文介绍了一种基于通用仿真的分析方法，该方法已开发出来，以确定BESS最佳尺寸，同时考虑到其生命周期的应用程序和存储性能。它的实现和相关的结果介绍了两个不同的BES用例：PV注入的平滑和峰值剃须应用和一个离网杂种微网案。为了更好地理解在BESS大小程序中要考虑的最有影响力的驱动因素，对这两个说明性案例进行了一些灵敏度分析。使用比较方案导致量化以下主题中几个因素的最佳尺寸结果的影响程度：控制策略，预测质量，由于老化而导致电池性能的退化，技术建模的精度。
使用深钢筋学习的非线性最佳控制
摘要，我们根据深钢筋学习的应用（DRL）提出了范式控制流体流体的转变。此策略正在迅速在机器学习社区中传播，并且以与非线性控制理论的联系而闻名。DRL的起源可以追溯到最佳控制对非线性问题的概括，在连续公式中引导到Hamilton-Jacobi-Bellman（HJB）方程，DRL旨在提供离散的，数据驱动的近似值。DRL中唯一的先验要求是定义瞬时奖励，以衡量系统处于给定状态时动作的相关性。然后将值函数定义为预期的累积奖励，这是最大化的目标。通过神经网络近似控制动作和值函数。在这项工作中，我们通过参数分析在一维[4]中控制了DRL和重新发现我们最近控制Kuramoto-Sivashinsky（KS）方程的结果。