XiaoMi-AI文件搜索系统
World File Search SystemGranger
使用大脑连接性估计器改善基于EEG的驱动器分心分类
摘要：本文讨论了通过使用大脑连接估计器作为特征来讨论脑电图（脑电图）基于脑电图分散分类的新方法。有超过一年的驾驶经验和平均年龄为24.3的健康志愿者参加了具有两个条件的虚拟现实环境，简单的数学解决问题任务和一项骑行任务，以模仿分心的驾驶任务和一项非分布驾驶任务。独立的组件分析（ICA）是在与额叶，中央，顶，枕骨，左运动和右运动区域相关的六个选定组件的选定时期进行的。Granger – Geweke因果关系（GGC），定向转移函数（DTF），部分定向相干（PDC）和广义部分定向相干性（GPDC）大脑连接估计器用于计算连接性矩阵。这些连接矩阵被用作具有径向基函数（RBF）的支持向量机（SVM）的功能，并将分心和非分布驾驶任务分类。GGC，DTF，PDC和GPDC连接估计器的分类精度分别为82.27％，70.02％，86.19％和80.95％。进行了PDC连接估计器的进一步分析，以确定分散注意力和非分布驾驶任务之间的最佳窗口。这项研究表明，PDC连接性估计器可以为驾驶员分心提供更好的分类精度。
受监管公用事业公司信息和运营技术现代化的障碍与机遇 2023 年 8 月向国会提交的报告
主任寄语 服务成本（公用事业费率制定）模型目前是州和联邦援助之外受监管公用事业的主要资金来源。该模型对于资助信息技术 (IT) 和运营技术 (OT) 现代化以提高效率、安全性、弹性和可靠性至关重要。然而，这种监管结构可能对希望在 IT 和 OT 方面进行大量投资以加速可再生能源、能源存储、运输和建筑电气化的整合以实现国家脱碳目标的电力公用事业提供商构成挑战。为了实现这些目标，IT 和 OT 现代化投资可能需要结合不同的融资模式、融资选择和/或联邦援助。传统的服务成本模式可能会面临客户和监管机构的反对，他们担心费率上涨。根据当地政策制定者的优先事项，IT 和 OT 现代化可能无法通过向客户收取的费率收回，或者可能不是优先事项。《基础设施投资和就业法案》（IIJA）为该部门提供了一个历史性机遇，可以提供有弹性、可靠、灵活、安全、可持续和负担得起的电力。为了保持这一势头，除了传统的服务成本模式之外，探索替代融资模式和融资方案以加速 IT 和 OT 现代化至关重要。这将使电力公用事业供应商能够更快地整合可再生能源、能源存储、运输和建筑电气化，以实现国家的脱碳目标。根据法定要求，本报告将提供给以下国会议员：• 尊敬的 Kay Granger
小型开放经济体的金融压力指数
我们为小型开放经济体构建了一个金融压力指数 (FSI)，旨在提供清晰及时的金融市场压力信号。这可用于制定适当的应对措施以应对这些不利事件。为此，我们使用主成分框架并将其应用于澳大利亚每月的利率、利差、汇率、房价增长和通胀预期数据。将指数分解为国外和国内成分，我们发现国外因素可以解释我们澳大利亚金融压力指数 (AFSI) 的一半以上 (57.4%)。为了确定我们指数的信息内容，我们对几个经济和金融可观测量进行了一系列格兰杰因果关系检验。我们还估计，与仅使用其自身先前数据的规范相比，包括 AFSI 是否可以改善对不同经济和金融结果的预测。我们发现，包括 AFSI 可以改善对未来零售额增长和银行信贷增长的预测。最后，我们表明，金融压力对银行信贷增长的影响是非线性的。特别是，如果 AFSI 较高，金融压力的增加会对信贷增长产生更不利的影响。这一结果进一步凸显了准确及时地衡量经济中金融压力对研究人员和政策制定者的重要性。
政府支出对经济增长的影响
在本研究中，主要目标是确定政府支出是否对南盟国家的经济增长产生影响。因此，主要目标是确定政府支出是否会促进南盟国家的经济发展，反之亦然，以及长期均衡是否是这两个变量之间的显著关系。该研究完全依赖二手数据来得出结论。作者利用回归、协整和格兰杰因果关系等定量技术，从 2011 年至 2020 年孟加拉国、印度、巴基斯坦、斯里兰卡和不丹等南盟国家的面板数据出发，在南盟国家的背景下发展了他们的研究结果。为了进行回归分析，采用了 Eviews 软件。使用随机效应面板 OLS 模型生成结果。首先，根据实证数据，政府支出对南盟国家的 GDP 有着强烈的积极影响。第二，在南盟国家，政府支出与经济增长有着长期的联系，在南盟国家，GDP与政府支出之间存在单向的因果关系，因此本研究符合凯恩斯理论和瓦格纳定律，研究政府支出及其对一国GDP的影响对公众具有巨大的价值，使他们了解政府支出是如何使用的。关键词
可再生和可持续能源评论
本研究通过考察 1990 年第一季度至 2018 年第四季度美国人均国内生产总值、扩张性货币政策、贸易开放、绿色技术开发方面的国际合作和可再生能源消费与海洋能源发电、分配或传输相关技术创新之间的关联，为能源经济学文献做出了贡献。首先，典型协整回归估计量、动态普通最小二乘估计量和完全修改的普通最小二乘估计量的结果表明，海洋能源发电、分配或传输相关技术的创新有助于减少二氧化碳排放。其次，研究结果表明，可再生能源消费和绿色技术开发方面的国际合作与二氧化碳排放呈负相关。第三，贸易开放、扩张性货币政策和人均国内生产总值与二氧化碳排放呈正相关。第四，格兰杰因果关系检验证实了绿色技术开发方面的国际合作与二氧化碳排放之间存在双向因果关系。第五，研究结果还显示，海洋能生产、分配或传输相关技术创新与二氧化碳排放、人均国内生产总值与二氧化碳排放、扩张性货币政策与二氧化碳排放、贸易开放与二氧化碳排放之间存在单向因果关系。
可再生能源与经济增长：实证分析
摘要 本研究调查了可再生能源对经济增长的影响，特别是实证分析了太阳能与 GDP 之间的关系。该研究采用事后研究设计，并使用普通最小二乘回归技术估算所建立的模型。数据来源于世界银行的世界发展指标，涵盖 1990 年至 2023 年期间。研究结果表明，作为太阳能代理的可再生能源消费对经济增长具有积极且不显著的影响。碳排放对经济增长有积极而显著的影响。外国直接投资对经济增长有积极而显著的影响。贸易平衡也显示出对经济增长的积极影响，但在统计上并不显著。此外，太阳能消耗对 GDP 没有统计上显著的因果关系，GDP 确实是太阳能消耗的格兰杰原因，而碳排放和 GDP 具有双向因果关系。基于这些发现，该研究建议政府应该；增加对太阳能基础设施的投资，鼓励逐步转向可再生能源的政策，结合碳减排战略，创造投资者友好的环境——例如税收激励、简化监管。关键词：太阳能、碳排放、经济增长、格兰杰因果关系。
可靠性较低的媒体引发了人们对反疫苗信息的兴趣
研究文章 可靠性较低的媒体推动人们对反疫苗信息的兴趣 随着 2021 年春季美国疫苗接种进展放缓，反疫苗信息对公共健康构成了威胁。使用来自 5,613 个不同的 COVID 错误信息故事和 70 个反疫苗接种 Facebook 群组的文本数据，我们追踪了 2021 年 5 月至 6 月期间 Twitter、数千个新闻网站以及 Google 和 Bing 搜索引擎上与反疫苗论述相关的高度突出的关键词，这是疫苗接种进展明显停滞的关键时期。格兰杰因果关系检验表明，在 Google 上搜索反疫苗接种术语以及这些术语在 Twitter 上的出现频率在可靠性较低的媒体网站上出现高峰之后，但在主流媒体上的讨论并没有出现。作者：Samikshya Siwakoti (1)、Jacob N. Shapiro、(2) Nathan Evans (3) 所属机构：(1) 美国普林斯顿大学 ESOC 实验室、(2) 美国普林斯顿大学公共与国际事务学院、(3) 美国微软研究院 引用方式：Siwakoti, S.、Shapiro, JN 和 Evans, N. (2023)。可靠性较低的媒体引发了人们对反疫苗信息的兴趣。哈佛肯尼迪学院 (HKS) 错误信息评论，4 (3)。收稿日期：2022 年 8 月 31 日。接受日期：2023 年 5 月 12 日。发表日期：2023 年 6 月 6 日。
时间延迟多功能相关分析以从EEG信号中提取微妙的依赖性
摘要 - 电脑摄影（EEG）信号是极其复杂的大脑活动的结果。可以通过例如，可以访问此隐藏动态的一些细节。关节分布ρ∆ t对电极对的信号随着不同的时间延迟移动（滞后∆ t）。一种标准方法是监视对此类关节分布的单一评估，例如Pearson相关性（或相互信息），该评估结果相对无趣 - 正如预期的那样，对于零延迟而言，通常会有一个小峰值，而几乎与延迟的对称下降。相反，这种复杂的信号可能由多种类型的统计依赖性组成 - 本文提出了自动分解和提取它们的方法。具体而言，我们对所有被考虑的滞后依赖性分别估计等多项式等关节分布进行建模，然后随着PCA尺寸降低，我们发现了主要的关节密度失真方向F v。以这种方式，我们得到了一些滞后特征A I（∆ t）描述已知贡献的单独主导统计依赖性：ρΔT（y，z）≈Pr i = 1 a i = 1 a i（∆ t）f v i（y，z）。这些特征补充了皮尔逊相关性，提取隐藏的更复杂的行为，例如可能与信息传递方向相关的不对称性，超级表明特征延迟或振荡行为暗示了一定的周期性。还讨论了Granger因果关系扩展到此类多功能关节密度分析，例如两个独立的因果波。虽然这篇早期文章是最初的基础研究，但将来它可能会有所帮助，例如了解皮质隐藏动力学，诊断癫痫等病理，确定精确的电极位置或构建脑部计算机界面。
精神分裂症伽马同步缺陷的神经网络动力学
伽马波段 (40 Hz) 活动对于感觉和认知处理过程中皮质间传输和跨神经网络信息整合至关重要。精神分裂症患者在响应 40 Hz 的听觉刺激时，支持同步伽马波段振荡的能力选择性降低。尽管这种 40 Hz 听觉稳态反应 (ASSR) 被广泛用作神经精神疾病治疗开发的转化脑电图生物标志物，但 ASSR 背后的时空动态尚未得到充分表征。在本研究中，应用了一种新颖的 Granger 因果关系分析来评估精神分裂症患者 (n = 426) 和健康对照受试者 (n = 293) 在响应 40 Hz 稳态刺激时跨皮质源的伽马振荡传播。两组均显示多个 ASSR 源相互作用，这些相互作用广泛分布于大脑各个区域。精神分裂症患者表现出明显的、层次化的连接异常。在反应开始间隔内，患者表现出从下额回到颞上回的连接异常增加，随后从颞上回到中扣带回的连接减少。在 ASSR 反应的后期（300-500 毫秒），患者表现出从颞上回到中额回的连接显著增加，随后从左上额回到右上额回和中额回的连接减少。这些发现既突出了健康受试者对简单伽马频率刺激的反应中分布式多个源的协调，也突出了
人工智能的工程应用
在预测和健康管理 (PHM) 中，从大量状态监测数据构建综合健康指标 (HI) 的任务起着至关重要的作用。HI 可能会影响剩余使用寿命 (RUL) 预测的准确性和可靠性，并最终影响系统退化状态的评估。大多数现有方法都先验地假设被研究机械的退化规律过于简单，这在实践中可能无法恰当地反映现实。特别是对于在随时间变化的外部条件下运行的复杂程度高的安全关键工程系统，退化标签不可用，因此监督方法不适用。为了解决上述推断 HI 值的挑战，我们提出了一种新的基于反因果关系的框架，通过从因果模型的影响中预测原因来降低模型复杂度。提出了两种用于推断结构因果模型的启发式方法。首先，从时间序列的复杂性估计中识别因果驱动因素，其次，通过 Granger 因果关系推断出一组效应测量参数。一旦知道了因果模型，离线反因果学习只需几个健康周期就能确保强大的泛化能力，从而有助于获得 HI 的稳健在线预测。我们在 NASA 的 N-CMAPSS 数据集上验证并比较了我们的框架，并与商用喷气式飞机上记录的实际运行条件进行了比较，这些条件用于进一步增强 CMAPSS 模拟模型。提出的具有反因果学习的框架优于现有的深度学习架构，将所有调查单元的平均均方根误差 (RMSE) 降低了近 65%。