XiaoMi-AI文件搜索系统
World File Search SystemUncertainty
InfEHR：通过电子健康记录上的深度几何学习解决临床不确定性
1 美国纽约州纽约市西奈山伊坎医学院 Windreich 人工智能与人类健康系，2 美国纽约州纽约市西奈山伊坎医学院西奈山哈索普拉特纳数字健康研究所，3 美国纽约州纽约市西奈山伊坎医学院西奈山查尔斯布朗夫曼个性化医学研究所，4 美国纽约州纽约市西奈山伊坎医学院数据驱动和数字医学系，5 美国纽约州纽约市西奈山伊坎医学院重症监护医学研究所，6 美国纽约州纽约市西奈山伊坎医学院新生儿医学分部，7 美国纽约州纽约市西奈山伊坎医学院医学系，8 美国纽约州纽约市西奈山伊坎医学院外科系， 9. 美国纽约州纽约市西奈山伊坎医学院瓦伦丁·富斯特心脏病医院、10 美国马萨诸塞州剑桥麻省理工学院和哈佛大学布罗德研究所、11 美国马萨诸塞州剑桥哈佛大学哈佛数据科学计划、12 美国马萨诸塞州剑桥哈佛大学肯普纳自然与人工智能研究所
利用LLM进行ICD编码和不确定性估计
1简介1 1。1问题配方2 1。2研究问题3 2相关工作5 2。1 ICD编码的先前方法5 2。 1。 1传统的机器学习方法5 2。 1。 2深度学习方法6 2。 1。 3个大语言模型（LLMS）6 2。 2利用ICD代码层次结构进行距离计算8 2。 3在模型训练中解决非差异损失功能9 2。 4不确定性10 3方法13 3。 这项工作中使用的1个LLM 13 3。 2数据集16 3。 3数据处理16 3。 3。 1临床笔记处理16 3。 3。 2 ICD- 10代码处理17 3。 3。 3数据拆分17 3。 4 T 5-基本编码的模型17 3。 5使用t 5中的任务前缀进行ICD编码18 3。 6将ICD-10代码层次结构纳入培训过程18 3。 6。 1定义基于距离的损耗函数18 3。 6。 2克服解码模型输出的挑战23 3。 7用于ICD编码的微调T 5 24 3。 8评估指标24 3。 8。 1总距离（TD）24 3。 8。 2 ICD第2章（IIC）25 3。 8。 3无关的ICD块（IIB）25 3。 8。 4无关的ICD第三级（IIT）25 3。 9模型不确定性估计25 3。 10实验设置27 4结果29 4。 1数据分析结果29 4。 2。1 ICD编码的先前方法5 2。1。1传统的机器学习方法5 2。1。2深度学习方法6 2。1。3个大语言模型（LLMS）6 2。2利用ICD代码层次结构进行距离计算8 2。3在模型训练中解决非差异损失功能9 2。4不确定性10 3方法13 3。这项工作中使用的1个LLM 13 3。2数据集16 3。3数据处理16 3。3。1临床笔记处理16 3。3。2 ICD- 10代码处理17 3。3。3数据拆分17 3。4 T 5-基本编码的模型17 3。 5使用t 5中的任务前缀进行ICD编码18 3。 6将ICD-10代码层次结构纳入培训过程18 3。 6。 1定义基于距离的损耗函数18 3。 6。 2克服解码模型输出的挑战23 3。 7用于ICD编码的微调T 5 24 3。 8评估指标24 3。 8。 1总距离（TD）24 3。 8。 2 ICD第2章（IIC）25 3。 8。 3无关的ICD块（IIB）25 3。 8。 4无关的ICD第三级（IIT）25 3。 9模型不确定性估计25 3。 10实验设置27 4结果29 4。 1数据分析结果29 4。 2。4 T 5-基本编码的模型17 3。5使用t 5中的任务前缀进行ICD编码18 3。6将ICD-10代码层次结构纳入培训过程18 3。6。1定义基于距离的损耗函数18 3。6。2克服解码模型输出的挑战23 3。7用于ICD编码的微调T 5 24 3。8评估指标24 3。8。1总距离（TD）24 3。8。2 ICD第2章（IIC）25 3。 8。 3无关的ICD块（IIB）25 3。 8。 4无关的ICD第三级（IIT）25 3。 9模型不确定性估计25 3。 10实验设置27 4结果29 4。 1数据分析结果29 4。 2。2 ICD第2章（IIC）25 3。8。3无关的ICD块（IIB）25 3。8。4无关的ICD第三级（IIT）25 3。9模型不确定性估计25 3。10实验设置27 4结果29 4。1数据分析结果29 4。2。2实验结果30 4。1 LLM和ICD编码的输入长度的比较31 4。2。2比较ICD编码的不同块策略32
缓解电池能源系统日前市场价格不确定性的运营规划策略
摘要 随着可再生能源变得越来越普遍，由于其固有的不确定性，有效的电网平衡变得至关重要。电池储能系统 (BESS) 可以通过补充这些可变能源来提高电网的可靠性和效率。然而，为了鼓励对 BESS 的投资，市场参与必须对所有者具有经济可行性。能源套利是 BESS 的主要收入来源之一，使他们能够在价格低时购买电力，在价格上涨时出售，从而优化收入。然而，在日前市场 (DA) 等能源市场中，BESS 所有者在交付前一天提交投标/报价，无法完美预测未来的价格。这种不确定性带来了挑战，限制了能源供应能力，并可能因价格预测不完善而导致利润损失。然后需要制定量身定制的策略来减轻这些不确定性并最大限度地减少利润损失。本文提出了参与 DA 的 BESS 的不同运营规划策略。特别关注所提出方法的可解释性，以确保高利润，同时降低模型的复杂性和计算时间。所提出的策略包括 1) 价格预测和场景生成，使用基于单点预测或历史数据的几何布朗运动 (GBM)；2) 优化过程；3) 选择最终实时应用的单个 BESS 竞标和运营计划。引入了两个基线，一个依赖于回溯法，另一个基于传统的随机优化。一些研究忽略了通过评估利润与实际价格来彻底评估竞标策略。因此，本研究评估了所提出的方法和基线相对于 2021 年法国市场在理想情况下获得利润的表现，并进行了完美的预测。
研究文章回顾影响不确定性条件下随机商业决策模型选择的关键因素
不确定情况下的决策是一项普遍存在的挑战，影响着不同领域的个人、组织和社会。虽然现有研究已经广泛探索了随机模型的技术复杂性，但它经常低估影响模型选择和实际应用的关键影响因素，例如组织动态、情境约束和个人技能限制。本研究回顾了现有文献，以揭示个人倾向、情境因素和情境条件如何共同推动不确定决策场景中的随机模型选择。该研究通过谷歌学术搜索引擎采用现有决策科学文献的叙述内容审查方法；选择与商业中随机决策模型的使用相关的同行评审学术期刊、会议论文集和意见论文。研究结果表明，虽然所有因素都会影响随机模型选择，但情境条件（尤其是组织文化和资源可用性）是最重要的。主要结论是，资源充足的支持性环境可增强 SBDM 的采用和适应性，而资源限制或抵制性文化往往会阻碍有效的 SBDM 利用。该研究为决策科学家、管理者和政策制定者提供了宝贵的见解，以培育开放和支持的组织文化，确保在相关软件、工具和员工培训上投入足够的资源，并解决背景限制。
在2025年1月29日和30日面临不确定性，气候变化和债务的挑战
10:45 AM - 12:05 PM（GMT+3）会议1。 气候变化会议主持人的宏观经济后果：沙特阿拉伯中央银行经济研究与报告部主任Salah Alsayaary论文1：闲逛晾干？ Long-Term Macroeconomic Effects of Drought in Fragile and Conflict-Affected States Speaker: Kalin Tintchev (IMF) Co-author: Laura Jaramillo (IMF) Discussant: Abdelhamid Moustabchir (Hassan II University) Paper 2: Carbon Taxes and Inflationary Pressures: A DSGE Exploration of Economic Responses and Macroeconomic Challenges Speaker: Abdelhamid Moustabchir（Hassan II大学）合着者：Hicham Ouakil，Hicham El Ouazzani（Ibn Tofail University）讨论者：Oguzhan Cepni（阿联酋中央银行）论文3：是否会产生通货膨胀效应？ 来自海湾合作委员会国家的证据发言人：阿联酋中央银行OGUZHAN CEPNI（阿联酋）：阿卜杜拉·苏丹·巴德贝斯（Abdulla Sultan Budebes）（阿联酋中央银行）讨论者：Kalin Tintchev（IMF）10:45 AM - 12:05 PM（GMT+3）会议1。气候变化会议主持人的宏观经济后果：沙特阿拉伯中央银行经济研究与报告部主任Salah Alsayaary论文1：闲逛晾干？Long-Term Macroeconomic Effects of Drought in Fragile and Conflict-Affected States Speaker: Kalin Tintchev (IMF) Co-author: Laura Jaramillo (IMF) Discussant: Abdelhamid Moustabchir (Hassan II University) Paper 2: Carbon Taxes and Inflationary Pressures: A DSGE Exploration of Economic Responses and Macroeconomic Challenges Speaker: Abdelhamid Moustabchir（Hassan II大学）合着者：Hicham Ouakil，Hicham El Ouazzani（Ibn Tofail University）讨论者：Oguzhan Cepni（阿联酋中央银行）论文3：是否会产生通货膨胀效应？来自海湾合作委员会国家的证据发言人：阿联酋中央银行OGUZHAN CEPNI（阿联酋）：阿卜杜拉·苏丹·巴德贝斯（Abdulla Sultan Budebes）（阿联酋中央银行）讨论者：Kalin Tintchev（IMF）
使用替代模型通过不确定性和敏感性分析评估 Vircators 的可靠性
摘要 不同的研究报告了 Vircator 的性能，结果表明模拟和测量的输出峰值功率和辐射频率之间存在很大差异。应用一次一个变量的方法的研究很少。进行全面分析需要在大量实验（模拟或测量）中应用统计方法，这是一个挑战，因为模拟 Vircator 需要大量的计算时间。最近，有人提出了一种替代模型来大幅缩短计算时间。在本文中，我们建议评估 Vircator 的性能变化，同时考虑机械制造公差以及脉冲电源的变化。分析是通过广为传播的随机方法（经典蒙特卡罗、谱技术）和其他灵敏度分析方法进行的。
genai和反托拉斯：在不确定性时期轻轻踩踏
* Paul Gilbert和Riccardo Tremolada是Cleary Gottlieb Steen＆Hamilton LLP的律师。本文中表达的观点是个人的，不归因于公司或其客户。所有错误，遗漏和观点都是作者自己的。1 See Regulation 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence and amending Regulations 300/2008, 167/2013, 168/2013, 2018/858, 2018/1139 and 2019/2144 and Directives 2014/90/EU, 2016/797 and 2020/1828 （人工智能法），PE/24/2024/REV/1 OJ L，2024/1689，2024年7月12日，Refitals 99和105。2，例如，AI改善了财务预测和股票市场的预测。 它还为语音识别，流媒体平台上的建议系统提供动力，智能停车系统和个性化的购物建议。 3 FMS是深度学习模型，经过对非结构化的，未标记的数据训练，可用于开箱即用的多种任务或通过微调适应特定任务。 参见P. Lorenz，K。Perset和J. Berryhill，“生成人工智能的初步政策注意事项” 2023 OECD Publishing，No. 1，经合组织人工智能论文，巴黎第6页。 4根据Openai当时的Openai首席执行官Greg Brockman的说法。 5 T. Oeyen和Y. Yargici，“未知领域：生成AI，合并控制和Microsoft-Open AI Saga”，档案，人工智能和反果实，同意2-2024，第18页。 6参见，例如，E。Mollick，“ Chatgpt是AI的转折点”，《哈佛商业评论》（2022年12月14日）。2，例如，AI改善了财务预测和股票市场的预测。它还为语音识别，流媒体平台上的建议系统提供动力，智能停车系统和个性化的购物建议。3 FMS是深度学习模型，经过对非结构化的，未标记的数据训练，可用于开箱即用的多种任务或通过微调适应特定任务。参见P. Lorenz，K。Perset和J. Berryhill，“生成人工智能的初步政策注意事项” 2023 OECD Publishing，No.1，经合组织人工智能论文，巴黎第6页。4根据Openai当时的Openai首席执行官Greg Brockman的说法。5 T. Oeyen和Y. Yargici，“未知领域：生成AI，合并控制和Microsoft-Open AI Saga”，档案，人工智能和反果实，同意2-2024，第18页。6参见，例如，E。Mollick，“ Chatgpt是AI的转折点”，《哈佛商业评论》（2022年12月14日）。7公司活跃在Genai领域中，例如，例如Aleph Alpha，Bloom（拥抱面），Claude（Anthropic），Cohere，Gemini和Gemma和Gemma（Google），拐点AI，Llama（Meta），各种版本的Mistral AI，Midjourney，Midjourney，sentability AI和Titan（titan）和Titan（Amazon）。8 See M. Heikkilä, “AI is at an inflection point, Fei-Fei Li says”, MIT Technology Review , 14 November 2023, available at: https://www.technologyreview.com/2023/11/14 /1083352/ai-is-at-an-inflection-point-fei-fei-li-says/ .9 Polaris, “Generative AI Market Share, Size, Trends, Industry Analysis Report, By Component (Software and Services); By Technology; By End-Use; By Region; Segment Forecast, 2023—2032”, 2023, available at: https://www.polarismarketresearch.com/industry-analysis/generativeai-market .10实际上，经济的每个部门都将从Genai中受益。Genai已经在整个经济体中许多部门都在改变商业实践和生产力。它在科学研究中也越来越有价值，从而实现了扩展科学家能力的复杂模型。参见，例如，Z.另请参见J. Seo等人，“避免使用深度增强学习的融合等离子体撕裂的不稳定性”，626自然，746-751（2024）。高盛在2023年进行的研究估计，Genai工具有可能在未来10年内向GDP增加7％，这相当于大约7万亿美元。11参见McKinsey，“生成AI的经济潜力：下一个生产力边界”，2023年，第24页，可在以下网址获得：https：//www.mckinsey.com/~/~/~/mmedia/mckinsey/mckinsey/business %20functions/mckinsey%20digital/our%20insights/the%20economic%20potential%20of%20generative%20ai%20the%20next%20productivity%20frontier/the-economic -potential-of-generative-ai-the-next-productivity-frontier.pdf .参见高盛（Goldman Sachs），“生成AI可以将全球GDP提高7％”，2023年4月5日，网址为：https：//www.goldmansachs.com/insights/Articles/generative-generative-generative-could-could-raise-glaise-global-global-global-gdp-by-7-percent.html。12 Genai行业应被理解为“ Genai模型的价值链”，其中可能包括以下市场：筹码制造，云基础设施的提供，数据许可，特定类型的AI劳动力的供应，生产力的供应，生产力的供应，供应特定的CHATBOT服务，特定手机助理服务的供应，供应特定的手机数字助理服务等。请参阅欧洲委员会，“生成AI和虚拟世界中的竞争”，竞争政策简介第3/2024号，网址：https：//competition-policy.ec.europa.europa.euu/document/document/download/c86d461f-062e--062e--062e--4dde-4dde-4dde-a662-1522222222856ca。13虽然竞争执法在维护竞争性的Genai市场中的作用很重要，但应注意的是，与这些技术有关的市场动态和竞争的发展方式很容易受到许多其他因素的影响，包括对与竞争不同的政策方面的监管，例如AI安全，数据和版权法。请参阅欧洲委员会，“生成AI和虚拟世界中的竞争”，竞争政策简介第3/2024号，网址：https：//competition-policy.ec.europa.europa.euu/document/document/download/c86d461f-062e--062e--062e--4dde-4dde-4dde-a662-1522222222856ca。
全球水文建模中的不确定性热点
摘要：量化源自气象不确定性的水文建模不确定性至关重要，但在全球范围内尚未探索。这项研究将一种新型的集合气象数据集与基于过程的水文模型相结合，评估了全球约有300万个subbasins的沉淀和温度不确定性的影响。我们介绍了两个指标来识别不确定性热点：一个追踪不确定性传播到投入到模型输出的不确定性传播，而另一个相对于水文气候学的不确定性幅度（即，不确定性与氛围平均值之间的比率）。我们的发现揭示了水文变量对降水和温度不确定性的组合变量的不同不确定性响应。对于路由河流流，不确定性传播在tropcal雨林和欧洲（斯堪的纳维亚半岛除外），但在沙漠中较弱，这部分归因于碱花比的区域差异。相比之下，两个不确定性指标均表明冰冻圈区域和主要河流下游区域的流量不确定性较低。观察到的实质性建模不确定性，尤其是在南半球和较少发达的地区，强调了改善全球空间气象数据集的必要性。
修正为：用于锂离子电池寿命预测和基于风险价值的维护框架的不确定性校正分数广义帕累托运动
原文发表时未注明资金来源：本研究由泉州市科技重大专项（批准号：2022GZ8）、闽南理工大学技术创新项目（批准号：23XTD113）、产学研合作资助。
