XiaoMi-AI文件搜索系统
World File Search System自回归
冲突的经济和社会影响
了解国家内部或国家之间的冲突如何影响国家经济和社会发展道路非常重要，这要求政策制定者设计有效的机制来应对冲突的倒退影响。我们探讨了冲突与不同类型的发展结果之间的关系：经济增长、预期寿命和教育程度。我们使用1996年至2019年109个国家的面板数据，将动态固定效应估计量应用于自回归分布滞后模型。通过减轻变量的内生效应，我们能够识别冲突对发展的不同短期和长期影响。根据各国收入水平进行的子样本分析产生了有趣的结果：一个国家的收入水平越高，冲突对其发展的负面影响就越小。
我们分裂了吗？衡量地缘政治分裂及其因果效应 ∗
经过几十年的全球经济一体化，世界经济正在分裂。为了衡量这一点，我们引入了一个地缘政治分裂指数，该指数基于具有时变参数和随机波动性的动态分层因子模型。然后，我们使用结构向量自回归和局部投影来评估分裂的因果影响。分裂加剧对全球经济产生负面影响，新兴经济体受到的影响大于发达经济体。值得注意的是，分裂的负面影响是立竿见影的，而分裂减少的好处则是逐渐显现的。部门分析表明，与全球市场密切相关的行业受到的不利影响更大。最后，我们强调了不同地缘政治集团之间分裂影响的显著差异。
乌兹别克斯坦可再生和不可再生能源资源消耗对经济发展影响的实证分析
摘要 .本文利用世界银行和国际能源署对乌兹别克斯坦 1990-2021 年期间的二级数据，分析了可再生、不可再生能源消费与 GDP 增长之间的关系。本文采用自回归分布滞后 (ARDL) 模型来估计能源消费变量的长期和短期动态乘数。实证结果表明，水电能源消费（可再生能源）对长期 GDP 增长有积极影响。此外，非可再生能源资源（煤炭、天然气、石油）的消费对短期和长期的 GDP 增长都有积极影响。此外，不可再生能源资源消费的增加对二氧化碳排放有积极影响，这反过来意味着政府应该采取措施增加可再生能源资源的份额。
太阳能自给自足家庭是可持续发展转型的驱动因素
摘要：我们提出了一个模型来估算德国一个四口之家实现 100% 电力自给自足所需的技术要求，包括光伏面积和电池容量以及成本。我们用准傅里叶级数和基于 2010 年柏林数据的自回归统计模型对私人家庭的每小时用电量进行建模。结合消耗模型和来自 ERA5 数据集的遥感每小时太阳辐照度数据，我们找到了从 2002 年 7 月到 2022 年 6 月实现电力自给自足所需的最佳光伏面积和电池容量。我们表明，使用当今的存储技术为私人家庭建立一个自给自足的家庭是可能的，并估算了这样做的预期成本。
生物制药领域的人工智能 - 2024 年 4 月 15 日
所有 GPT 模型基本上都遵循“注意力就是你所需要的一切”（Vaswani 等人，2017）中建立的 Transformer 架构，它有一个编码器来处理输入序列，还有一个解码器来生成输出序列。原始 Transformer 中的编码器和解码器都具有多头自注意力机制，该机制允许模型对序列的各个部分进行差异加权以推断含义和上下文。*作为原始 Transformer 的演变，GPT 模型利用带有掩码自注意力头的仅解码器变压器。使用仅解码器框架是因为 GPT 的主要目标是生成连贯且与上下文相关的文本。由解码器处理的自回归解码允许模型维护上下文并一次一个标记地生成序列。
用于 GDP 预测的神经网络集成方法
我们提出了一种集成学习方法来预测未来美国 GDP 增长释放。我们的方法将循环神经网络 (RNN) 与考虑均值随时间变化的动态因子模型和广义自回归评分 (DFM-GAS) 相结合。该分析基于一组预测因子，涵盖以不同频率测量的广泛变量。预测练习旨在通过考虑均值变化（可能由影响经济的衰退引起）来评估集成中每个模型组成部分的预测能力。因此，我们展示了 RNN 和 DFM-GAS 的组合如何改善对 2008-09 年全球金融危机后美国 GDP 增长率的预测。我们发现神经网络集成显著降低了短期预测范围的均方根误差。
SenticNet 7：基于常识的可解释情绪分析神经符号 AI 框架
摘要 近年来，人工智能研究已显示出造福人类和社会的巨大潜力。尽管人工智能在分类和模式识别任务中的表现往往优于人类，但它在需要常识推理的复杂任务（如自然语言理解）方面仍然举步维艰。在这种情况下，当前人工智能模型的主要限制是：依赖性、可重复性、可信度、可解释性和可解释性。在本文中，我们提出了一个基于常识的神经符号框架，旨在克服情绪分析背景下的这些问题。具体而言，我们采用无监督和可重复的亚符号技术（如自回归语言模型和核方法）来构建可信的符号表示，将自然语言转换为一种原始语言，从而以完全可解释和可说明的方式从文本中提取极性。
可再生能源——南非经济增长的纽带
随着人们对气候变化达到不可逆转的程度的担忧不断升级，最近人们更加重视转向可再生能源以支持未来的经济生计。我们的研究以南非这个非洲最大的能源消费国和生产国为重点，使用线性和非线性自回归分布滞后 (ARDL) 模型研究了可再生能源对经济增长的短期和长期影响。根据数据可用性，我们在 1991-2016 年期间进行了实证分析，结果一致未能证实可再生能源的消费和生产对南非经济增长有任何线性或非线性协整效应。我们认为，协整关系的缺失表明可再生能源在支持南非可持续增长方面的使用效率不高，因此建议政策制定者加快建立必要的可再生基础设施以支持未来的能源需求。
印度尼西亚的能源利用、金融稳定和经济繁荣
本研究的目的是探讨印度尼西亚能源利用、金融稳定和经济繁荣之间的关系。为此，本研究进行了面板数据分析，并收集了 1990 年至 2018 年的数据。该研究探讨了二氧化碳排放量和人均能源利用率作为能源利用指标之间的关系。金融稳定指标是私营部门的实际国内信贷，其中收集了在印度尼西亚运营的不同金融机构的财务信息。印度尼西亚的经济繁荣指标是人均国内生产总值以及在该国运营的不同部门工作的劳动力。使用描述性统计、单位根分析和自回归分布滞后技术进行了面板数据分析。结果表明，印度尼西亚的能源利用、金融稳定和经济繁荣指标之间存在长期关系。
预测未来30年中G20国家的生态足迹
生态足迹评估了可再生资源的可用性与这些资源消费程度之间的差异。在过去的几十年中，历史记录显示资源可用性的下降加速了。基于国家足迹和生物能力帐户，该分析旨在在30年的时间内推进G20国家生态足迹的预测。我们采用了Python中实施的时间序列预测方法，其中包括模块化回归（Prophet）和自回归集成移动平均线（Arima＆Auto-Arima）方法。我们评估并结合了这三种方法的性能。结果表明，在G20的最大经济体中，只有四个国家预计到2050年将具有积极的生态足迹平衡。这些国家共享大土地区域的共同点和中等的人口增长预测。但是，指标的总体趋势表明它将继续下降。