XiaoMi-AI文件搜索系统
World File Search System自回归
智能电网能源统计与预测
智能电网中电力的供需缺口导致了能源预测和能源管理系统的引入。能源预测是智能电网系统规划和管理的关键参与者[1]。智能电网中的数据是借助高级计量基础设施（AMI）收集的，它可以测量双向电力流。数据分析应用程序使用这些数据进行预测。这些预测应用程序可用于发电调度、可再生能源发电厂的发电预测以及需求侧管理。在智能电网管理中，各种统计和机器学习预测方法已用于预测电力需求和发电量[2,3]。时间序列发电量和电力需求已使用统计预测方法来预测，包括自回归移动平均线（ARMA）、自回归积分移动平均线（ARIMA）和向量自回归（VAR）[4]。由于智能电网技术的最新进展，统计预测方法无法处理大量发电和需求数据。统计方法不能用于复杂和非线性的数据点[5]。随着机器学习和人工智能预测方法的进步，现在可以进行准确而精确的预测。非线性时间序列数据使用循环神经网络 (RNN) 和长短期记忆 (LSTM) 预测方法进行预测[6]。可再生能源融入智能电网引发了不确定性问题以及能源消费模式的变化。这些不确定性问题可以通过概率方法解决，因为与点预测相比，它们会生成预测区间[7-9]。通过将多种预测方法组合成一种称为混合预测方法的单一方法，可以提高预测精度[10]。多种预测方法的集成使混合模型更加复杂。因此，需要在预测结果和预测精度之间进行权衡。
简单有效的掩蔽扩散语言模型
虽然扩散模型擅长生成高质量图像，但先前的研究报告称，在语言建模中，扩散和自回归 (AR) 方法之间存在显著的性能差距。在这项工作中，我们表明简单的掩蔽离散扩散比以前认为的更有效。我们应用了一种有效的训练方法，可以提高掩蔽扩散模型的性能，并推导出一个简化的 Rao-Blackwellized 目标，从而带来额外的改进。我们的目标形式简单——它是经典掩蔽语言建模损失的混合——可用于训练仅编码器的语言模型，这些模型可以接受高效的采样器，包括可以像传统语言模型一样半自回归生成任意长度文本的采样器。在语言建模基准上，一系列使用现代工程实践训练的掩蔽扩散模型在扩散模型中达到了新的最先进水平，并接近 AR 困惑度。我们在项目页面上提供了代码 1 以及博客文章和视频教程 2：
DASpeech：用于快速和高精度的有向非循环变压器......
直接语音到语音翻译 (S2ST) 使用单一模型将语音从一种语言翻译成另一种语言。然而，由于语言和声学多样性的存在，目标语音遵循复杂的多模态分布，这对 S2ST 模型实现高质量翻译和快速解码提出了挑战。在本文中，我们提出了 DASpeech，这是一种非自回归直接 S2ST 模型，可实现快速和高质量的 S2ST。为了更好地捕捉目标语音的复杂分布，DASpeech 采用两遍架构将生成过程分解为两个步骤，其中语言解码器首先生成目标文本，然后声学解码器根据语言解码器的隐藏状态生成目标语音。具体而言，我们使用 DA-Transformer 的解码器作为语言解码器，并使用 FastSpeech 2 作为声学解码器。DA-Transformer 使用有向无环图 (DAG) 对翻译进行建模。为了在训练过程中考虑 DAG 中的所有潜在路径，我们通过动态规划计算每个目标 token 的预期隐藏状态，并将它们输入声学解码器以预测目标梅尔频谱图。在推理过程中，我们选择最可能的路径并将该路径上的隐藏状态作为声学解码器的输入。在 CVSS Fr → En 基准上的实验表明，DASpeech 可以实现与最先进的 S2ST 模型 Translatotron 2 相当甚至更好的性能，同时与自回归基线相比保持高达 18.53 倍的加速。与之前的非自回归 S2ST 模型相比，DASpeech 不依赖于知识蒸馏和迭代解码，在翻译质量和解码速度方面都实现了显着提升。此外，DASpeech 还展示了在翻译过程中保留源语音的说话者声音的能力。23
用于量子化学的可扩展神经量子态架构
摘要 量子态神经网络表示的变分优化已成功应用于解决相互作用的费米子问题。尽管发展迅速，但在考虑大规模分子时仍存在重大的可扩展性挑战，这些分子对应于由数千甚至数百万个泡利算子组成的非局部相互作用的量子自旋哈密顿量。在这项工作中，我们引入了可扩展的并行化策略来改进基于神经网络的变分量子蒙特卡罗计算，以用于从头算量子化学应用。我们建立了 GPU 支持的局部能量并行性来计算潜在复杂分子哈密顿量的优化目标。使用自回归采样技术，我们展示了实现耦合簇所需的挂钟时间的系统改进，其中基线目标能量高达双激发。通过将所得自旋哈密顿量的结构纳入自回归采样顺序，性能得到进一步增强。与经典近似方法相比，该算法实现了令人鼓舞的性能，并且与现有的基于神经网络的方法相比，具有运行时间和可扩展性优势。
内容 - TeK Associates
Nuttall。这两种算法都在第 2 章中进行了描述。第 3 章描述了对模拟数据进行的实验，首先测试了为本次调查实施的软件工具，并在附录 D、E、F 和 G 中提供了支持性讨论。然后将这些工具应用于实际数据。这些实验指出了在寻求将多通道 LP 建模应用于雷达目标数据时遇到的这两种代表性算法的一些已知优势和劣势。附录 F 指出了在应用这些多通道 LP 算法时遇到的一些一般问题。第 4 章提供了仅使用自回归 (AR) 过程模型而不是显然更通用的自回归移动平均 (ARMA) 过程的考虑因素。第 5 章及其辅助附录 A 讨论了如何有效处理存在的雷达模糊函数效应，这些效应会影响处理结果，因此，如何根据计算的相干函数表示和相关的调节置信区域来缓和最终的互相关结果和结论。第 5 章将这些技术应用于 Tradex RV 尾流数据，作为对表示连续雷达距离门和/或
COVID-19 对商品的宏观经济影响
摘要 本文通过估计季度数据的贝叶斯结构向量自回归，研究了 COVID19 对蒙古（一个发展中大宗商品出口型经济体）的宏观经济影响和传导机制。我们发现 COVID-19 具有强烈的跨境溢出效应。我们的估计表明，中华人民共和国的 GDP 和铜价冲击分别占 2020 年第一季度实际 GDP 下降的五分之三和五分之一。2020 年第二季度至 2021 年第一季度的复苏主要归因于积极的外部冲击。然而，经济中信贷和劳动力市场的混乱持续存在。2021 年第一季度就业人数下降的三分之二可归因于不利的劳动力需求冲击。我们还揭示了汇率的资产负债表渠道、金融加速器效应以及工资冲击通过银行信贷传递到消费价格的间接渠道的新实证证据。关键词：COVID-19、需求和供应冲击、宏观经济波动、结构向量自回归、贝叶斯分析 JEL 分类：C32、E6、E17、E27、E32、I15
Mostafa Esmaeili Shayan、Gholamhassan Najafi
符号 首字母缩略词 P 功率 AC 交流电 D 需求 ARMA 自回归移动平均线 I 电流，太阳辐照度 BESS 电池储能系统 Q 辐照度 COE 电力成本 T 温度 DC 直流电 V 电压 DE 柴油发电机 W,S 风速 DER 分布式能源资源 下标 ED 经济调度 min 最小值 HERS 混合可再生能源系统 ci 接入 IRR 内部收益率 co 断开 LCOE 平准化能源成本 dy 动态 MG 微电网 max 最大值 NCF 净现金流 s 水平 NPV 净现值 yr 每年 PID 比例积分导数 希腊符号 PV 光伏 ƞ 效率 RES 可再生能源系统 ∆t 采样时间间隔 ROI 投资回报率 坡度角 SOC 充电状态 方位角 STC 标准测试条件 α 功率温度系数 SUC 随机机组投入 δ 自回归移动平均线的系数模型 UC 机组组合 ε 预测误差 WT 风力涡轮机 μ 移动平均系数 ZEB 零能耗建筑
对实体经济的实时影响——印度数字支付系统与经济增长的多元BVAR分析
摘要 金融部门的发展在推动经济增长方面可以发挥关键作用。支付系统的创新可能会影响产出、价格和货币政策传导。然而，关于支付系统在推动经济活动方面的作用的研究明显不足，尤其是对于像印度这样的新兴经济体。本文使用多元贝叶斯向量自回归 (BVAR) 模型研究了印度数字支付系统、实时全额结算 (RTGS) 和经济增长之间的动态联系。通过对 RTGS 价值和数量的月度观察，我们发现 RTGS 的价值对经济中的收入和价格水平都有显著影响。我们的结果还表明，RTGS 和经济增长都相互产生正向和显著的影响，支持两者之间存在双向因果关系。方差分解分析证实，RTGS 和经济活动都对彼此的波动有显著影响。几项敏感性分析强化了我们的主要发现。关键词：金融创新、RTGS、经济增长、双向伤亡、贝叶斯向量自回归 JEL 分类：E32、G22、C53
2019 - 2023 年西爪哇省糖尿病风险地图...
Militer，印度尼西亚茂物 Pertahanan 大学 电子邮件：1 venitasyavera@gmail.com，2 muhamadsyazali@radenintan.ac.id 摘要 糖尿病 (DM) 是一个严重的全球健康问题，是由胰腺产生胰岛素减少引起的。不良的饮食习惯、肥胖、吸烟、精神压力、缺乏身体活动和高血压是导致 DM 的危险因素。这项研究旨在绘制 2019 年至 2023 年西爪哇省 DM 的相对风险图，这将提供 DM 分布的时空模式，可供政策制定者制定有效的预防和管理策略。使用时空条件自回归 (CAR) 方法绘制 DM 风险图，利用 Rstudio 中提供的 CARBayesST 包。DM 的相对风险因地区/城市而异。 2019年，相对风险较高的地区包括卡拉旺县、西亚米斯县、苏加武眉县、勿加泗县、苏美当县和西万隆县。随着时间的推移，许多地区的相对风险呈下降趋势，但一些地区的相对风险仍然高于2023年的预期值，如苏美当县和西万隆县。这项研究的结果表明需要更有效的糖尿病预防和管理策略，特别是在高风险地区。关键词：糖尿病、相对风险、时空、条件自回归、西爪哇。糖尿病 (DM) 是一种全球性的糖尿病 (DM) 治疗方案，可用于治疗胰岛素和胰岛素。 DM 可能会影响您的健康、肥胖、肥胖、体重、活动和活动。 Penelitian ini bertujuan untuk memetakan risiko penyakit DM di Jawa Barat dari tahun 2023 hingga 2023, pemetaan ini bermanfaat untuk mengetahui pola spasial dan tempyebaran penyakit DM, sehingga akan memudahkan pemerintah ataupun pembuat kebijakan dalam merancang upaya pencegahan dan pengelolaan penyakit DM dengan efektif。使用 DM 方法来计算时空条件自回归 (CAR) 的方法与 Rstudio 中的 CARBayesST 相关。相关风险 DM di masing-masing kabupaten/kota bervariasi。 2019年新年快乐，新年快乐，新年快乐，新年快乐，新年快乐，新年快乐，新年快乐！