XiaoMi-AI文件搜索系统
World File Search SystemConstant
替代的持续弹性持续多么恒定？清洁和肮脏能量之间的内源性∗
在大多数经济体中，从化石燃料到低碳可再生能源的过渡在阻止变暖进展的政策愿景中起着核心作用（IPCC，2018年）。作为控制过渡过程的关键参数，已证明清洁和肮脏能量之间的替代性程度强烈影响可持续增长和气候政策最佳设计的预测。例如，Acemoglu等。（2012）表明，当干净和肮脏的输入是较弱的替代品或补充时，要避免环境灾难并改用清洁生产，必须使用永久性的碳税，而当两个输入是强大的替代品时，则需要较低和临时的碳税税。进一步，Golosov等。（2014）从其校准模型中注意到，不同燃料之间的高度可替代性诱导了下一个世纪中叶的温度下降，而较低的替代性也涉及即使有最佳政策，温度也持续升高。尽管其重要性，但大多数宏观经济模型以及可计算的一般平衡模型，它们在很长一段时间内产生预测（超过2100）总是会假设清洁和脏输入之间的替代弹性恒定且外源性的弹性。然而，清洁能量的日益增长表明，随着时间的流逝，这种替代性可能会有所改善。为了说明，图1显示了在经济中的清洁能源的渗透，其相对价格在过去三十年中在法国，这是世界第七大经济体。21这些观察结果也与世界各地的新兴政策计划一致，这些计划导致了使用清洁能源的必要技术和基础设施的大量扩展（IEA，2020年）。
Constantinides 等人 SZ 中的大脑老化 (ENIGMA)
constantinos君士坦丁字，MSC 1，Laura KM Han，PhD 2-4，Clara Arsoza，PhD 5,6，Linda Antonucci，Phd 7,8，Celso Arango，MD，MD，PhD 5,6，Rosa Ayesa-Ariola，Phd 9,6，Nerisa Banaj，Phd 10，Alsy bellon，PHD 9,6 ，13，杰森·布鲁格曼（Jason Bruggemann），博士14-17，MD 18，Oleg Bykhovski 19,20，MD 16,21,17，Stanley Catts，MBBS 22，Young-Chul Chul Chung，MD，MD 23-25 ，博士5,6， Gary Donohoe, PhD 27 , Stefan Du Plessis, PhD 28 , Jesse Edmond 29 , Stefan Ehrlich, MD, PhD 30 , Robin Emsley, MBChB, DSc 28 , Lisa T Eyler, PhD 31,32 , Paola Fuentes-Claramonte, PhD 33,6 , Foivos Georgiadis 34 , Melissa Green, PhD 16,17 , Amalia Guerrero-Pedraza, MD 35,33 , Minji Ha, MSc 36 , Tim Hahn, PhD 37 , Frans A Henskens, PhD 38,39 , Laurena Holleran, PhD 27 , Stephanie Homan, PhD 40,41 , Philipp Homan, MD, PhD 40 , Neda Jahanshad, PhD 42 , Joost Janssen, PhD 5,6 , Ellen Ji, PhD 40 ，Stefan Kaiser，MD 34，Vasily Kaleda 44，Minah Kim，MD 45,46，Woo-Sung Kim 23,25，Matthias Kirschner，MD 33，Peter Kochunov，Peter Kochunov，Peter Kochunov，PhD 47 ，49，Patricia Mitchie，博士50,51，Stijn Michielse，PhD 52，David Mothersill，PhD 53,27，Bryan Mowry，MD 54,55，VíctorOrtiz-Garcíadela fo oz 9,6，Christos Pantelis，Christos Pantelis，M.D56,57，Perio Perdio perd phd ra，Phd phd， Edith Pomarol-Clotet, MD, PhD 33.6 , Adrian Preda, MD 58 , Yann Quidé, PhD 16.17 , Paul E Rasser, MSc 59.51 , Kelly Rootes-Murdy, MSc 29 , Raymond Salvador, PhD 33.6 , Marina Sangiuliano, MD 11 , Salvador Sarró, MD, PhD 33.4 , Ulrich Schall, MD, PhD 59.51 , André Schmidt, PhD 12 , Rodney J Scott, PhD 60 , Pierluigi Selvaggi, MD 61.62 , Kang Sim, MD 63.64 , Antonin Skoch MD, PhD 65.66 , Gianfranco Spalletta, MD, PhD 10.67 , Filip Spaniel, MD, PhD 65.68 , Sophia I. Thomopoulos, BA 69 , David Tomecek，MSC 65,70，Alexander S Tomyshev，MSC 44，Diana Tordesillas-Gutiérrez，PhD 71，Therese Van Amelsvoort，MD，博士，JavierVázquez-Bourgon，MD，MD，MD，MD，MD 9，Phd 9，Phd 9，Daniela Vecchio，Daniela Vecchio，PHD 10，PHD 10，phd vo. ERT，博士学位72,16,17，Thomas Weickert，博士学位72,16,17，Paul M Thompson，Paul M Thompson，Phd 69，Lianne Schmaal，Lianne Schmaal，Phd 2,3，Theo GM Van Erp，Phd 58,76，Jessica Turner **
低介电常数硅氧烷/碳硅烷杂化苯并环丁烯树脂复合材料的制备及性能
摘要：将苯并环丁烯改性倍半硅氧烷（BCB-POSS）和二乙烯基四甲基二硅氧烷-双苯并环丁烯（DVS-BCB）预聚物分别引入到由1-甲基-1-（4-苯并环丁烯基）硅环丁烷（4-MSCBBCB）和1-甲基-1-苯基硅环丁烷（1-MPSCB）聚合而成的含苯并环丁烯（BCB）单元的基质树脂P（4-MB-co-1-MP）中，制备出低介电常数（低k）硅氧烷/碳硅烷杂化苯并环丁烯树脂复合材料P（4-MB-co-1-MP）/BCB-POSS和P（4-MB-co-1-MP）/DVS-BCB。通过傅里叶变换红外光谱（FTIR）和差示扫描量热法（DSC）研究了复合材料的固化过程。利用阻抗分析仪和热重分析仪(TGA)研究了不同比例的BCB-POSS和DVS-BCB对复合材料介电性能和耐热性的影响。复合材料的热固化可以通过BCB-POSS或DVS-BCB的BCB四元环与P(4-MB-co-1-MP)的BCB四元环的开环聚合(ROP)进行。随着BCB-POSS比例增加至30%，P(4-MB-co-1-MP)/BCB-POSS复合材料的5%热失重温度(T 5% )明显升高，但由于POSS中引入了纳米孔，介电常数(k)降低。对于P(4-MB-co-1-MP)/DVS-BCB复合材料，随着DVS-BCB比例的增加，T 5%和k略有升高。以上结果表明，BCB-POSS 比传统填料具有优势，可同时提高热稳定性并降低 k。
临界功率模型在动态恒定外部阻力练习中的应用：临界负载测试的简要回顾
摘要：临界功率 (CP) 概念的研究和应用已持续数十年。CP 测试可估计两个不同的参数 CP 和 W ′，它们分别描述有氧和无氧代谢能力。各种数学模型已用于估算各种运动方式的 CP 和 W ′ 参数。最近，CP 模型已应用于动态恒定外部阻力 (DCER) 锻炼。在各种连续、全身、动态运动中建立的相同双曲线关系也已在上身、下身和全身 DCER 锻炼中得到证实。负荷与重复次数关系的渐近线定义为临界负荷 (CL)，曲率常数为 L ′ 。CL 和 L ′ 可以通过用于推导 CP 的相同线性和非线性数学模型来估算。本综述的目的是 (1) 概述连续、动态锻炼方式中的 CP 概念；(2) 描述该模型在 DCER 锻炼中的最新应用； （3）展示如何应用 DCER 锻炼的数学建模来进一步了解疲劳和个人表现能力； （4）就估计 CL 测试参数的方法提出初步建议。
施罗德，阿尼卡；康斯坦丁努，约安娜；图奈宁，维尔皮·克里斯蒂娜；奥斯汀，罗伯特·D.
摘要 组织越来越多地转向人工智能 (AI) 来支持服务开发和交付。人工智能和人类的行为都需要组织和协调。最近，文献中讨论了自动化-增强悖论。自动化意味着机器接管人类的任务，而通过增强，人类和机器紧密合作以执行不同的任务。在本文中，我们研究了人类与人工智能之间的协作如何在不同的组织协调机制中展开。使用明茨伯格的协调机制 (1989)，我们分析了一家提供个性化素食食谱的案例公司中人与人工智能之间的分工。我们的研究结果表明，需要建立某些主要的协调机制（直接监督和规范标准化）才能使人工智能正常运行。我们发现人工智能可以控制服务扩展和服务个性化（增强），而人类则控制服务改进（自动化）。
康斯坦丁·多夫罗利斯
我们从神经科学（“连接组学”）了解到，大脑总体上是一个非常稀疏的网络，具有相对较小的局部密集神经元簇。这些拓扑特性对于大脑高效、稳健地运行以及以分层模块化方式处理信息的能力至关重要。另一方面，我们今天使用的人工神经网络非常密集，甚至是完全连接的，至少在连续层之间是如此。此外，众所周知，深度神经网络高度参数化：修剪研究表明，通常可以消除 90% 的连接（权重）而不会显着降低性能。然而，修剪通常是在密集网络训练之后进行的，这只会提高推理过程的运行时效率。前面的观点表明，我们需要设计稀疏神经网络的方法，无需任何训练，在训练后其性能几乎与相应的密集网络一样好。本次演讲将首先介绍一些修剪文献的背景，无论是在训练之后还是在训练之前。然后，我们将介绍一种最近提出的（ICML 2021）方法，称为 PHEW（具有更高边权重的路径），该方法在训练之前创建稀疏神经网络，并且可以快速学习并很好地概括。此外，PHEW 不需要访问任何数据，因为它仅取决于给定网络架构的初始权重和拓扑。
福利和承保范围摘要：该计划承保的内容以及您为承保服务支付的费用 Molina Healthcare 的 Passport Health Plan：持续护理
福利和承保范围摘要 (SBC) 文件将帮助您选择健康计划。SBC 向您展示您和计划如何分担承保医疗服务的费用。注意：有关此计划费用（称为保费）的信息将另行提供。这只是一份摘要。如需了解有关您的承保范围的更多信息，或获取完整的承保条款副本，请访问 PassportHealthPlan.com/Marketplace 或致电 1-833-644-1621。有关常用术语的一般定义，例如允许金额、余额账单、共同保险、共付额、免赔额、提供商或其他带下划线的术语，请参阅词汇表。您可以在 healthcare.gov/sbc-glossary/ 查看词汇表，或致电 1-800-318-2596 索取副本。
![COVID-19 Constantine E. Passaris [加拿大新不伦瑞克大学] constantine E.](/simg/8/87f504fc425d57c65cc4f3403393c800f01d515f.webp)
COVID-19 Constantine E. Passaris [加拿大新不伦瑞克大学] constantine E.
版权所有：君士坦丁·帕斯塔里斯（Constantine E. Passaris），2021您可以在本文上发表评论，网址为https://rwer.wordpress.com/comments-comments-on-rwer-sissue-no-95/介绍covid-covid-covid-19已迫使我们承认我们生活在互联网时代。互联网化是一个新概念，我创造了通过数字基础架构和21世纪的电子连接来描述我们的个人和集体授权。全球大流行揭示了发达国家和发展中国家之间的经济差异和数字鸿沟。此外，它还基于挽救生命和保护生计之间的发达国家和发展中国家的公共政策选择，证明了哲学困境。冠状病毒大流行扩大了发达国家和发展中国家之间的经济差异。Covid-19对全球范围的经济影响和后果是不平衡和不对称的。由于数字鸿沟，这种差异被放大，这反映在发展中国家缺乏电子基础设施和数字能力。全球大流行19释放了全球医疗，社会和经济灾难。在全球化的世界中，国家边界无法防止病毒的传播。国民经济遭到破坏。必须重新确定社交互动的格式。此外，Covid-19也巩固了当代治理体系结构及其公共政策的功效。全球大流行的经济影响是深刻和多层的。它也揭示了企业的脆弱性。它影响了个人和家庭的经济福祉。实际上，它在微观经济水平上暴露了经济断层线和不平等现象。它还对经济增长和许多经济部门产生了不利影响。更确切地说，Covid-19已签订了经济增长，并破坏了经济部门，例如旅游，酒店，航空和旅行行业。在人类悠久历史中，全球大流行病的发生频率不正常。covid-19是我们集体一生中最灾难性的事件。它在世界各地渗透了震惊和敬畏。大流行释放了一系列不利的经济后果，引发了负面的经济增长和大量失业。covid-19像野火一样传播到世界上每个国家，并对国民经济和民间社会产生不利影响。冠状病毒大流行是在互联网化时期发生的。不可否认的是，Covid-19强调并放大了我们依赖互联网化的程度。实际上，Covid-19揭示了我们对电子连通性的依赖，数字基础设施在我们的经济中的核心作用，也扩大了发达的经济差异
已发布版本的引用（APA）：Gerlings, J., Shollo, A., & Constantiou, I. (2021)。回顾可解释人工智能 (xAI) 的需求。第 54 届夏威夷国际系统科学会议论文集（第 1284-1293 页）。夏威夷国际系统科学会议 (HICSS)。 https://doi.org/10.24251/HICSS.2021.156
机器学习 (ML) / 人工智能 (AI) 技术（包括神经网络 (NN) 变体）正在快速发展，从而扩展了其功能，导致高级模型在决策过程中得到更频繁的使用 [1]。随着这些模型融入组织和日常工作中，学者和从业者需要更加关注模型的开发过程和结果的解释 [2]–[4]。这一点很重要，因为重要决策越来越多地由人们无法完全理解的不同形式的算法支持或完全自动化，这被称为 AI 黑箱解释问题 [5]。如果我们不能解释算法，我们就无法反驳它们、验证它们、改进它们或从中学习 [6], [7]。从业者和学者都呼吁通过实施透明且易于理解的 ML 模型来更好地理解复杂且不透明的模型。解释 ML 模型的工作原理和结果的产生方式，可以提高人们对机器学习模型的信任度 [5]、[8]– [10]。
具有量子扩展器代码的恒定开销量子容错
在本文中，我们研究了容错量子计算所需的空间开销的渐近缩放。我们表明，标准阈值定理中的多对数因子实际上是不需要的，并且存在一个容错结构，它使用的量子比特数仅比理想计算的量子比特数多一个常数因子。这个结果是 Gottesman 推测的，他建议用具有恒定编码率的量子纠错码代替标准阈值定理中的级联码。当时的主要挑战是找到一个合适的量子码系列以及一个即使在噪声综合征下也能工作的高效经典解码算法。效率约束在这里至关重要：请记住，量子比特本质上是有噪声的，并且在解码过程中故障会不断累积。因此，解码器的作用是在整个计算过程中控制错误的数量。