本研究的目的是检查土耳其伊斯坦布尔可持续性指数中列出的公司的碳排放数据,并分析碳排放与这些公司的财务业绩之间的关系。在这项研究中,使用了2017 - 2020年期间伊斯坦布尔可持续性指数中列出的31家公司的年度数据。使用随机效应面板数据模型分析了公司的财务绩效指标与其碳排放之间的关系。所确定的因变量是资产回报率和股本回报率作为财务绩效的衡量标准,而碳排放量则被视为独立变量,以及控制变量,例如公司规模,杠杆率,公司的增长率,公司增长和公司价值。研究结果表明,碳排放对资产回报率和股本回报率都有负面影响。
众所周知,与提高产品和服务多样性的努力以及我们成员的需求相一致,Bistech系统的改进和开发工作仍在继续,并计划截至2025年5月12日,计划将称为3.12的新版本(生产)上线(生产)。Bistech成员免费测试环境(PRE_PROD测试环境)将于2025年2月10日更新为3.12版,从此日期开始,预计将由我们的成员进行测试,直到新版本进行实时。版本3.12计划包括以下列出的改进以及有关此版本中将包含的更改的其他详细信息,并将通过单独的公告传达对测试环境的访问信息。
Öz:今天,随着能源使用的增加,由于化石能源资源结束及其对环境的损害的风险,为人类开发了可持续的能源。可再生能源,太阳,风,生物量,水力和地热能量增加了对国家和国家支持的产生的兴趣,这在这一方向上增加了。已经宣布了可再生能源领域中设施的会计,然后在BIST公司清单中宣布了GRI302能源标准并用可再生能源进行分析。在这项研究中,检查了可再生能源焊接发电厂的会计,并尝试确定提供生产和GRI302能源报告标准的公司的可再生能源的可持续性报告以及可持续性的报告。topsis方法对公司可持续性报告的内容分析方法进行了排名。
Özer 等人(2017)使用了 2012 年至 2016 年期间中国(上海)、印度(Nifty 50)、墨西哥(IPC-Mexico)、伊斯坦布尔(BIST 100)、美国(Nasdaq)、英国(FTSE-100)、德国(DAX)和法国(CAC-40)指数的每周收盘数据。在相关研究中,尝试比较模糊逻辑技术和人工神经网络模型,发现成功应用各种人工智能模型可以得到有希望的结果。在另一项研究(Manurung 等人,2018)中,他们使用 2013 年至 2018 年的中亚银行 (BCA) 数据进行股价预测,使用长短期记忆 (LSTM) 进行了预测研究,LSTM 是一种循环人工神经网络,用于数据中的重要参数(开盘价、最高价、最低价、收盘价)。分析结果表明,使用少于 1 年的短期数据而不是 3 年或 5 年的训练数据,LSTM 中的预测最为准确,并且优于传统的自回归移动平均 (ARIMA) 预测方法,对于短期数据的准确率为 56%,而准确率为 94%。
本文介绍了一种基于内建自测试 (BIST) 的高级加密标准 (AES) 加密处理器专用集成电路 (ASIC) 的设计。AES 已被证明是美国政府宣布的最强大的对称加密算法,其性能优于所有其他现有加密算法。其硬件实现比软件实现提供更高的速度和物理安全性。由于这个原因,文献中已经提出了许多 AES 加密处理器 ASIC,但复杂 AES 芯片中的可测试性问题尚未得到解决。本研究为实现混合模式 BIST 技术的 AES 加密处理器 ASIC 引入了一种解决方案,该技术是伪随机和确定性技术的混合。BIST 实现的 ASIC 是使用 IEEE 行业标准硬件描述语言 (HDL) 设计的。它已使用电子设计自动化 (EDA) 工具进行了模拟,并使用美国政府国家标准与技术研究所 (NIST) 的输入输出数据进行了验证和确认。模拟结果表明,该设计在 ASIC 的不同操作模式下按预期功能运行。将当前的研究与其他研究人员的研究进行了比较,结果表明它在 BIST 实现到 ASIC 芯片方面是独一无二的。
摘要:在这个数字世界中,测试构建的架构已成为一项具有挑战性的任务,而不是构建。测试过程包括高成本和功耗。许多研究都参与了高效测试电路的构建,其中 BIST 是高效测试电路之一。BIST [内置自测试] 提供了一个低功耗、低成本测试电路的平台。BIST 的构建是通过 MULTISTAGE LFSR 解码器电路完成的,该解码器电路通过向构建的架构提供随机和完整的输入序列来为测试电路开辟一条道路。还采用了解码逻辑,使其完美适用于容错架构。据说,由 BIST 和 MULTISTAGE lfsr 组成的路面是查找电路工作故障的有效技术,因此这被称为容错架构,所提出的架构的构建是在 Xilinx ISE 中使用 verilog HDL 语言完成的。索引术语——BIST、MULTISTAGE lfsr、解码逻辑、线性反馈移位寄存器 (LFSR)、基准电路。