XiaoMi-AI文件搜索系统
World File Search SystemRepresentative
NeuroBench：通过协作、公平和有代表性的基准测试推进神经形态计算
摘要神经形态计算领域遵循受大脑启发的原理，在提高计算效率和能力方面有着巨大的前景。然而，神经形态研究中所采用的技术种类繁多，导致缺乏明确的基准测试标准，阻碍了对神经形态方法与传统的基于深度学习的方法相比的优势和长处进行有效评估。本文介绍了一项合作努力，汇集了来自学术界和工业界的成员，以定义神经形态计算的基准：NeuroBench。NeuroBench 的目标是成为一个由社区开发、服务于社区的协作、公平和具有代表性的基准测试套件。在本文中，我们讨论了与神经形态解决方案基准测试相关的挑战，并概述了 NeuroBench 的主要特性。我们相信，NeuroBench 将是定义标准的重要一步，这些标准可以统一神经形态计算的目标并推动其技术进步。请访问 neurobench.ai 获取有关基准测试任务和指标的最新更新。
电力系统规划中具有分段线性过渡的代表日数和小时数
摘要 — 电力需求和可再生能源变化很大，规划模型的解决方案依赖于捕捉这种变化。本文提出了一种混合多区域方法，该方法考虑了极值，使用有限数量的代表日和每天内的时间点，有效地捕捉实际数据的日内和日间时间序列。提出了一种基于优化的代表提取方法来改进日内时间序列的捕捉。与层次聚类方法相比，它在保存数据时间序列和极值方面具有更高的精度。所提出的方法基于分段线性需求和供应表示，与传统的分段常数公式相比，它减少了近似误差。此外，通过映射过程创建的具有相同代表的顺序链接的日块用于日间时间序列的捕捉。为了评估所提出方法的效率，开发了一个全面的扩展联合规划模型，包括输电线路、储能系统和风电场。
经济与人类梦想重叠：威利·洛曼作为普遍失败的代表
摘要：经济是人们最主要的因素之一。没有它，任何人都无法实现自己的人生。但同时，它也是一切罪恶的根源。许多文章都探讨了美国悲剧以及它与阿瑟·米勒戏剧中的古典悲剧有何不同，尤其是在《推销员之死》中。然而，人们并没有足够关注经济以及它与这部剧中工人阶级的梦想实现之间的关系。本文探讨了如何以“梦想与人”为主要焦点来解读和重读这部剧，试图回答这样一个问题：主人公的梦想是否被当代社会新兴的自由放任的公司销售体系所压制，或者他是否无法适应新形式的公司商业体系，或者他是否是其社区价值观的受害者，以及美国梦与主人公对这一梦想的理想化之间的冲突。本研究论文将尝试阐述经济如何影响人类实现梦想，以及它如何粉碎人类的梦想。然而，本文将集中讨论梦想及其与经济的关系。在当今时代，人们对物质世界非常感兴趣。他们每天都试图购买新的东西。如果无法购买他们想要的东西，他们就会感到紧张，并认为他们不如别人。世界变得更加竞争以追求物质。然而，在亚瑟·米勒的戏剧《推销员之死》中，威利·罗曼具有前面提到的一些特征。他总是试图追求物质世界来实现他的梦想和欲望。因此，他内心没有平静。威利的梦想是被新兴的自由放任经济所迫害的。这不仅适用于威利，也适用于这个领域的普通人。
关于使用工业负荷曲线确定微电网规模的代表天数
摘要 — 微电网的定型过程需要运行多个模拟，根据所需的精度，这些模拟可能需要大量计算。减少模拟时间的有效方法是通过从要评估的天数列表中选择代表天数（例如一年中的 365 天）并为其分配权重来压缩可用数据。本文的目的是确定具有工业负荷曲线的微电网定型的推荐代表天数。为此，收集并分析了 22 家公司的实际负荷曲线。对两种代表天数选择方法进行了根据代表天数确定的最佳定型的敏感性分析。提出了一个可靠性指标，并表明，使用基于优化的选择方法，平均 10 个代表天数足以表征系统。索引术语 — 负荷曲线、微电网、代表天数、选择方法、定型
超级基金计划代表性抽样指南，第 4 卷：废物。临时最终版。
2.1 引言................ ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................. ... ................................................................................................................................................................................................................................................................. 7 2.3.2 复合样品....................................................................................................................................................................................................................................................................... 8 2.4 废物类型....................................................................................................................................................................................................................................................... 8 2.4 废物类型....................................................................................................................................................................................................................................................... 8 ................................................................................................................................................................................................................. 8 2.5 废弃物特性....................................................................................................................................................................................................... 9 2.5.1 同质性....................................................................................................................................................................................................... 9 2.5.1 同质性....................................................................................................................................................................................................... 9 . ... ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ... . . . 10 2.6.2 未容器化的废物. . . . . . . . . . . . . . . . . . 11 2.6.3 表面和碎片. . . . . . . . . . . . . . . . . . . . . . 11 2.7 质量保证考虑因素 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.10 分析参数和方法....................................................................................................................................................................................................................12 2.11 代表性抽样方法....................................................................................................................................................................................................................................................13 2.11.1 判断抽样.................................................. ... ....................................................................................................................................................................................................................................................... 14 2.11.4 系统随机抽样....................................................................................................................................................................................................................... 14 2.11.5 横断面抽样....................................................................................................................................................................................................... 14 2.11.5 横断面抽样....................................................................................................................................................................................................... 14 ................................................................................................................................................................................................. 14 2.12 采样位置和数量.................................................................................................................................................................................................................................................................................... 15 2.13 示例站点....................................................................................................................................................................................................................................... 15 2.13 示例站点....................................................................................................................................................................................................................................................... 16 2.14 示例站点....................................................................................................................................................................................................................................................... 16 . ... ... ................................................................................................................................................. 16 2.13.3 场地清单.......................................................................................................................................................................................................................................................... 17
急性运动和缺氧对记忆的结合影响
摘要疾病媒介的微生物群落可能代表了几种生物学功能的关键特征，因此鉴于气候变化，应特别关注，因此需要制定新颖的控制策略。然而，媒介传播的微生物网络仍然鲜为人知。评估向量的微生物相互作用和气候依赖性可能有助于更好地估计病原体传播特征和公共卫生风险。在全国范围内的气候代表性的调查中，ixodes ricinus tick是从匈牙利的17个地点收集的。使用shot弹枪元基因组测序，通过研究各种气候环境中的若虫和女性之间的关系来分析细菌组的组成。在属水平上的细菌组成显示女性和若虫的样品之间存在显着差异。在核心细菌组中，女性和若虫在以下属中显示出显着差异：arsenophonus，芽孢杆菌，念珠菌中氯酸酯，犀牛，鞘氨虫，鞘氨虫，葡萄球菌，葡萄球菌cus和沃尔巴基亚。发现了以下区分：cur虫，假单胞菌和鞘氨虫。没有女性降水类别有显着差异的属。covtobac terium在若虫中的各种降水水平上显示温度和芽孢杆菌之间的差异显着差异。矢量传播的细菌组成员的组成在具有不同气候条件和tick宿主的发育阶段的采样点显示出显着变化。我们的发现不仅为理解tick传播的细菌网络和相互依赖性铺平了道路，而且还阐明了存在可能存在的生物滴答控制物种的高潜力，tick寄生虫，ixodiphagus hookeri基于相关细菌组的模式。
使用前瞻性代表性数据
目的：本研究使用来自印度南部的前瞻性代表性数据集来开发和评估多模式机器学习模型，以区分细菌和真菌性角膜炎。设计：机器学习分类器培训和验证研究。参与者：印度马杜赖（Madurai）的Aravind Eye Hospital诊断出患有急性感染性角膜炎的五百九十九名受试者。方法：我们使用了前瞻性的，连续收集的，代表性的数据集（Madurai数据集）收集的前瞻性，连续收集的代表性数据集，并比较了3种预测模型，以区分细菌和真菌角膜炎。这些模型包括一个临床数据模型，使用效率网状结构的计算机视觉模型以及将成像和临床数据都结合在一起的多模式模型。我们将Madurai数据集分为70％的火车/验证和30％的测试集。进行了模型训练，并进行了五重交叉验证。我们还比较了由Madurai训练的计算机视觉模型的性能与具有相同架构的模型，但对从多个先前的细菌和真菌性角膜炎随机临床试验（RCT）（RCT训练的计算机视觉模型）进行了培训。主要结果指标：主要评估度量是Precision-Recall曲线（AUPRC）下的面积。二级指标包括接收器操作特征曲线（AUROC），准确性和F1分数下的区域。与计算机视觉模型相比，多模式模型并不能显着提高性能。眼科科学2025; 5：100665ª2024，美国眼科学会。结果：由Madurai训练的计算机视觉模型优于临床数据模型和持有测试集的RCT训练的计算机视觉模型，其AUPRC 0.94（95％的置信间隔：0.92 E 0.96），AUROC 0.81（0.76 E 0.85）（0.76 E 0.85）（0.76 E 0.85），精度为77％和F1 0.85。结论：传染性角膜炎的表现最佳的机器学习分类是使用Madurai数据集训练的计算机视觉模型。这些发现表明，基于图像的深度学习可以显着增强感染性角膜炎的诊断能力，并强调使用前瞻性，连续收集的，代表性的机器学习模型培训和评估的重要性。财务披露：本文末尾的脚注和透视性可以在脚注和验证中找到。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
美国 COVID-19 疫苗的可接受性和不平等性：一项全国代表性调查的结果
背景 截至本次调查开展时，即 9 月 1 日，美国约有 600 万例 COVID-19 病例和 176,771 例死亡，且尚无联邦政府批准的疫苗。本研究的目的是探索美国民众接受 COVID-19 疫苗的意愿，并描述不同种族、族裔和社会人口统计特征对这种接受度的影响。方法 这是一项横断面数字调查，从第三方 Dynata 维护的具有全国代表性的小组中抽样参与者。Dynata 随机抽样其数据库，并通过电子邮件向美国居民发送基于网络的调查问卷，确保样本与美国人口普查的年龄、种族、性别、收入和人口普查地区估计值相匹配。参与者被问及他们是否愿意：1) 在 COVID-19 疫苗公开上市后立即接种，以及 2) 在即将到来的流感季节接种流感疫苗。参与者可以回答非常愿意、愿意、不愿意或非常不愿意。对于那些表示不愿意接种 COVID-19 疫苗的人，我们收集了他们犹豫的原因。所有参与者都被询问他们从哪里获得与疫苗相关的信息，以及他们最信任哪些来源。我们进行了单变量和多变量逻辑回归，以检验所有人口统计特征与接种 COVID-19 疫苗意愿之间的关联。结果从 2020 年 9 月 1 日到 9 月 7 日，1592 名受访者完成了在线调查。总体而言，加权分析发现，只有 58.9% 的样本人群愿意或非常愿意在 COVID-19 疫苗公开上市后立即接种。相比之下，67.7% 的受访者愿意或非常愿意接种流感疫苗。按性别划分，66.1% 的男性和 51.5% 的女性愿意接种 COVID-19 疫苗。男性明显比女性更愿意接种 COVID-19 疫苗（调整后的优势比 (OR) = 1.98，95% CI：1.56，2.53；p < 0.001）。黑人是接种意愿最差的种族/族裔群体（48.8%）黑人（aOR = 0.59，95%CI：0.43，0.80；p < 0.001）明显比白人更不愿意接种 COVID-19 疫苗。不愿意接种 COVID-19 疫苗的原因有很多。最常见的原因是担心疫苗的安全性（36.9%），其次是担心其有效性（19.1%）。解释总之，我们发现相当一部分（41%）的美国居民不愿意在 COVID-19 疫苗公开上市后立即接种。我们发现不同人群对疫苗的接受程度不同。除了接种疫苗意愿的亚群体差异外，受访者还提供了不愿意接种疫苗的各种原因，这是由各种疫苗信息来源（和错误信息）所驱动的。这使得向人群提供安全有效的 COVID-19 疫苗以实现群体免疫的挑战更加严峻。可能需要多管齐下、有针对性的沟通和宣传工作，才能实现高水平的免疫覆盖率。
通过更具代表性的量子电路形状来改进量子计算机的体积度量。
在本文中，我们提出了一种目前使用最广泛的量子计算硬件度量标准（称为量子体积 [1,2]）的概括。量子体积指定了一组随机测试电路，这些电路的逻辑电路深度等于计算中使用的量子比特总数。然而，这种方形电路形状与人们可能希望使用量子计算机的许多特定应用并不直接相关。在对已知量子算法的可用资源估计调查的基础上，我们根据逻辑电路深度（时间）随问题大小（量子比特数）的缩放行为，将量子体积概括为少数几种代表性电路形状，我们称之为量子体积类。作为一项技术，量子计算尚处于起步阶段，但发展迅速。在短期内，噪声和中等规模量子 (NISQ) 系统可能对特定的小众应用有用 [3]。从长远来看，随着容错 (FT) 系统的发展，这项技术有望带来极大的颠覆性和变革性。评估这项技术的明确指标是
OPF-Learn：用于创建代表性交流最优潮流数据集的开源框架：预印本
摘要 — 可再生能源发电水平的提高激发了人们对数据驱动的交流最优功率流 (AC OPF) 方法的兴趣，以管理不确定性；然而，缺乏规范的数据集创建和基准测试，阻碍了对文献中的方法进行有用的比较。为了树立信心，模型必须能够可靠地预测各种运行条件下的解决方案。本文为 Julia 和 Python 开发了 OPF-Learn 包，它使用一种计算效率高的方法创建代表性数据集，涵盖交流 OPF 可行域的广泛范围。负载曲线是从包含交流 OPF 可行集的凸集中均匀采样的。对于找到的每个不可行的点，使用不可行性证书来减少凸集，这些证书是通过使用宽松公式的性质找到的。与文献中看到的传统技术相比，该框架可以生成更能代表整个可行空间的数据集，从而提高机器学习模型的性能。