XiaoMi-AI文件搜索系统
World File Search SystemStationarity
基于侵入式脑电图的脑机接口系统
以脑电信号形式从大脑中提取的运动想象 (MI) 反应已广泛用于脑机接口 (BCI) 系统中的意图检测。然而，由于脑电信号的非线性和非平稳性，BCI 系统的 MI 预测率较低，已知和未知的影响因素都有。本文研究了视觉刺激、特征维度和伪影对 MI 任务检测率的影响，以提高 MI 预测率。使用三个 EEG 数据集进行调查。对每个数据集应用三个滤波器（带通、陷波和公共平均参考）和独立成分分析 (ICA)，以消除伪影的影响。从无伪影的 ICA 成分中提取三组特征，从中选择更相关的特征。此外，将选定的特征子集合并到三个分类器（NB、回归树和 K-NN）中，以预测四个 MI 和混合任务。K-NN 分类器在每个数据集中的表现都优于其他两个分类器。在混合任务 EEG 数据集中获得最高的分类准确率。此外，准确预测的 EEG 类别被应用于机械臂控制。
环境外交、经济决定因素和可再生能源消费对环境恶化的影响：G20国家的经验证据
本研究考察了各种环境和经济变量如何导致环境恶化。工业化、贸易开放和外国直接投资是变量之一，环境外交、环境外交保障和可再生能源消费也是如此。因此，数据涵盖 1991 年至 2020 年，我们的样本包括所有 19 个国家和两个组（欧盟和非洲联盟）。该研究使用 Pesaran CD 检验确定横截面依赖性，使用 CIPS 和 CADF 检验确定平稳性，使用 Wald 检验确定异方差性，使用 Wooldridge 检验确定自相关性；因此，使用 VIF 确定多重共线性，使用 Durbin 和 Hausman 分析内生性。它还采用了 Westerlund 的协整检验来确保横截面依赖性，使用 Wald 检验确定组异方差，使用 Wooldridge 检验确定自相关，使用 VIF 确定多重共线性，使用 Durbin 和 Hausman 分析内生性。采用两步系统广义矩法 (GMM) 估计结果，并确认 G20 国家自变量（工业化、贸易开放、外国直接投资、环境外交、安全环境外交和可再生能源）与因变量（环境退化）之间的关系。因此，工业化、贸易开放、外国直接投资、生态外交和可再生能源消费对生态退化有显著影响。环境外交对于防治退化和促进全球合作至关重要。G20 国家制定严格的环境限制措施，以应对气候变化并促进经济增长。
选择性学习，用于多...
在稀疏奖励任务中学习有效的策略是加强学习的基本挑战之一。这在多代理环境中变得极为困难，因为对多种代理的同意学习引起了非平稳性问题，并大幅增加了关节状态空间。现有作品试图通过经验共享来实现多代理的合作。但是，从大量共享经验中学习是不具备的，因为在稀疏的奖励任务中只有少数高价值状态，这可能会导致大型多区域系统中的维度诅咒。本文着重于稀疏的多项式合作任务，并提出了一种有效的体验共享方法，即MAST的选修课（MASL），以通过重新获得其他代理商的有价值的经验来促进样本良好的培训。MASL采用了一种基于倒退的选择方法来识别团队奖励的高价值痕迹，基于这些召回痕迹在代理之间生成并共享某些召回痕迹，以激发有效的外观。此外，MASL有选择地考虑来自其他代理商的信息，以应对非平稳性问题，同时为大型代理提供有效的培训。实验结果表明，与最先进的合作任务中的最先进的MARL Al-Al-gorithms相比，MASL显着提高了样本的效率。
具有剪切流的磁化等离子体的精确混合动力学平衡
背景。以剪切流为特征的磁化等离子体存在于许多自然环境中，例如地球磁层顶和太阳风。所涉及等离子体的无碰撞性质需要动力学描述。当剪切层的宽度为离子尺度数量级时，可以采用混合 Vlasov-Maxwell 方法。目的。这项工作的目的是在混合 Vlasov-Maxwell 描述中推导出具有平面剪切流的磁化等离子体稳态配置的显式形式。考虑两种配置：第一种是相对于体积速度倾斜的均匀磁场，第二种是均匀幅度可变方向的磁场。方法。我们通过结合单粒子运动常数获得了稳态离子分布函数，这是通过研究粒子动力学得出的。考虑背景电磁场的局部近似，通过分析推导出关于分布函数形式的初步信息。然后建立了数值方法来获得一般分布的解。结果。我们确定了显式分布函数，使我们能够获得密度、体积速度、温度和热通量的分布。还评估了分布函数中的各向异性和无磁性。在均匀斜磁场情况下检查了数值模拟过程中解的平稳性。结论。这里考虑的配置可以用作开尔文-亥姆霍兹不稳定性模拟中地球磁层顶的模型。
经济因素与 FDI 股权流入之间的联系
摘要 目的——经济文献强调了 FDI 对经济增长的积极和消极影响。本研究旨在确认各种经济因素与 FDI 流入权益之间的关系并找出偏差（如果有）。使用标准时间序列计量经济模型进行研究。探讨市场规模、通货膨胀率、基础设施水平、国内投资和贸易开放度之间的长期和短期关系。印度经济变量的选择纯粹基于从科学文献综述中获得的实证观察。设计/方法/方法——本研究涉及应用自回归分布滞后 (ARDL) 模型来研究这种关系。通过 Pesaran ARDL 模型检验 FDI 与经济增长之间的长期协整关系。通过增强 Dickey Fuller 检验和 Phillip - Perron 单位根检验来检验数据的平稳性。除其他测试外，还使用误差修正模型研究了短期关系，其中使用了 Johansen 的向量误差修正模型方法。结果 - 结果表明，国内投资、通货膨胀率、基础设施水平和贸易开放度影响着 FDI 流入。这些因素与 FDI 流入既有长期关系，也有短期关系。然而，市场规模对外商投资流入的影响微乎其微。FDI 和通货膨胀率之间存在反比关系。原创性/价值 - 据作者所知，这项研究是原创的。其方法和结果解释与其他类似研究不同。
股票市场中的人工智能
人工智能发展迅速，算法也越来越复杂，准确性也日益提高。即使如此，股票市场的人工智能仍然在使用交易员长期以来使用的相同基本概念。最新技术强调通过神经网络进行多层分析，但底层概念包括平均值、最小值、中位数、众数、正态性、偏度、峰度、平稳性等。除此之外，在编写这些算法时还会吸收技术交易中使用的指标。其中一些是：1. 简单移动平均线 (SMA) - 即使是最简单的概念（如 SMA）也用于人工智能，其中平均选定的价格范围，即在一定时期内（可能是 10 天、一个月或几年）的收盘价。它主要用于确定资产在特定时间范围内是呈现看涨趋势还是看跌趋势。 2. 最高-最高、最低-最低——尽管最高-最高和最低-最低仅仅是股票价格的图形分析，并不能准确预测未来，但人工智能仍会使用它作为分析股票市场的其他复杂指标的基础。它主要由算法使用，为用户提供更准确的进入和退出点。 3. 布林带——这是另一种统计图表，以图表移动平均价格以下和以上的标准偏差包裹股票价格图表。它考虑到
尼日利亚的收入不平等和经济增长联系
通讯作者： - 塞缪尔·麦巴·阿达穆（Samuel Mbah Adamu）1*摘要： - 尼日利亚的经济正在扩大，该国拥有人力资本和经济资源，可以使数百万人摆脱贫困。尽管是非洲最大的经济体，但经济不平等及其随之而来的经济影响仍达到了令人震惊的比例。在这种情况下，研究调查了收入不平等对尼日利亚经济增长的影响。它使用了涉及1980年至2022年的次级时间序列数据。最初使用增强的Dickey Fuller（ADF）测试对数据集进行了平稳性。此外，研究方法使用了结合的测试方法，使用非线性自动回应分布式滞后模型（NARDL）检查了长期和短期不对称效应。NARDL结合测试证明了研究中的变量具有长期连接。还表明，计算出的模型正确捕获了经济增长（GDPR）对正面和负收入不平等变化的反应的不对称。对收入不平等的积极变化表明对经济增长的影响越来越高，而收入不平等的负面变化表明，长期对经济增长的日益增加和显着影响。在这些发现的基础上，该研究建议政府和私营部门通过直接投资穷人提高其产生收入的能力来提高收入重新分配的措施。关键字： - 收入不平等，经济增长和NARDL模型。在此类措施中包括：为微学分设施提供访问权限，优先考虑对功能教育和培训以及医疗机构的投资，并使人们可以使用人力资本的能力来实现可持续经济增长的能力。
引用：Chiadika EO 和 Egbon PC (2024)《政府支出与尼日利亚经济增长表现》，《国际发展学杂志》
摘要：本研究使用 ARDL 边界检验方法，明确考察了政府在教育、农业和制造业方面的支出对 2000 年至 2023 年尼日利亚经济增长表现的影响。年度数据来源于国家统计局、尼日利亚中央银行 (CBN) 统计公报和世界银行指标（各种问题）。使用增强型 Dickey Fuller 和 Phillips Perron 单位根检验来检查平稳性水平，而使用 ARDL 边界检验来协整来证明长期关系。研究发现，政府支出与尼日利亚经济增长表现（以 GDP 为代表）之间存在正相关关系。因此，由于增加对教育的预算拨款而改善的教育部门会对农业产生积极影响，并最终对制造业产生积极影响。这是因为教育部门的产出是农业部门的投入，而农业部门的产出是制造业的投入。因此，建议为了提高农业和制造业部门的绩效，政府应增加对教育部门的预算拨款。此外，应增加奢侈品税，并将收益用于资助能够提高这些关键部门绩效的基础设施。政府应加强与私营部门的合作，通过企业社会责任 (CSR) 为所在社区及其他地区的公共支出融资。关键词：政府支出、增长绩效、ARDL 界限测试、尼日利亚。引言政府经济活动在 20 世纪 30 年代通过凯恩斯主义经济学成为人们关注的焦点。世界上大多数经济体都将其视为关键且决定性的活动，并使用适当的宏观经济变量来实现期望状态。
一项针对长期植入基本震颤患者的数据驱动自适应深脑刺激的试点研究
深脑刺激（DBS）是帕金森氏病（PD）和Essential-Tremor（ET）的已建立疗法。在自适应DBS（ADB）系统中，刺激参数随着神经信号的函数的在线调整可能会改善治疗效率并减少副作用。最新的ADBS系统使用源自神经信号的症状替代物（NMS如此称呼的神经标记（NMS）），并在患者组水平上确定，并假设症状和NMS的平稳性控制策略。我们旨在通过（1）一种数据驱动的方法来改进这些ADBS系统，用于识别患者和会议的NMS以及（2）使用短期非平稳动态的控制策略应对。两个构建块的实现如下：（1）数据驱动的NM基于机器学习模型，该模型估计了电视学信号的震颤强度。（2）控制策略解释了震颤统计的局部变异性。我们对三名长期植入ET患者进行的研究等于五个在线课程。从加速度计数据中量化的震颤表明，症状抑制至少等效于在4种在线测试中的3个在3个在线测试中的连续DBS策略，同时大大降低了净刺激（至少24％）。在剩余的在线测试中，症状抑制与连续策略或无治疗条件的抑制作用没有显着差异。我们引入了ET的新型ADB系统。是基于（1）机器学习模型的第一个ADBS系统，用于识别会话特定的NMS，以及（2）具有短期非平稳动力学的控制策略应对。我们展示了ADB对ET的适用性，这为其在较大的患者人群中进一步研究打开了大门。
手部运动康复的深度学习模型
脑电图 (EEG) 可以控制机器用于人类目的，尤其是对于进行康复锻炼或常规任务的残疾人。机械手的脑机接口 (BCI) 使用深度学习将 (EEG) 大脑活动转换为机械手的命令，使用户可以通过想象的运动向右或向左移动他们的手。它可以使瘫痪者执行基本的手部动作，并帮助康复机器人帮助中风患者恢复手部功能，通过提供基于机器学习对其动作和意图的解释的指导性练习。人工智能算法，特别是深度学习，将隐含的脑波模式和意图分类和识别为脑电图。然而，EEG 信号具有高度的非平稳性，使其分析具有挑战性。因此，选择合适的信号处理策略变得至关重要。本研究旨在建立一个混合模型来指导机械臂运动，该模型应用运动方向和左右分类。通过将预训练的卷积神经网络（CNN）-Inception V3模型与传统的机器学习算法（逻辑回归（LR））（被认为是一种广泛的分类方法）相结合，并确定合适的信号处理方法，短时傅里叶变换（STFT）和连续小波变换（CWT）以选择最准确的方法对所提模型进行分类。所提出的混合模型的训练结果表明，STFT 比 CWT（0.997）具有更高的平均准确率（0.998），使其对九个受试者的当前数据集进行更精确的分类并提高混合 CNN 模型训练的有效性。同样，在评估指标上，STFT 实现的平均准确率的评估结果高于 CWT（0.997 > 0.797）。这表明 STFT 是特征提取的更好选择，提高了带有逻辑回归的混合 CNN 模型的泛化和鲁棒性。