XiaoMi-AI文件搜索系统
World File Search SystemVIF
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。
土地使用和气候变化的变化是否重叠？世界银行数据的分析
缩写：方差分析，方差分析； GDP，国内生产总值； LUC，土地使用变化； VIF，方差通胀因子。a由于农业Luc和灌溉农业Luc的变量具有共线性，以避免高估，因此仅在回归模型中包括农业LUC的变量。b预测因素：（常数），林卢克，耕种卢克，农业卢克，GDP变更。c因变量：CO 2排放变化。d显着性值小于0.05。 E标准化系数。来源：研究结果。
组织创新，数字化转型策略和
表4。Structural Model Assessment and Testing Hypothesis (direct paths) Path St.β St.d R2 F2 Q2 VIF T.value P values DT -> OE 0.514 0.055 0.488 0.271 0.479 1.904 9.373 0.000 DT -> SP 0.328 0.066 0.604 0.112 0.553 2.419 4.999 0.000 OE -> SP 0.291 0.073 0.109 1.952 3.993 0.000 OI-> oe 0.237 0.061 0.058 1.058 1.904 3.863 0.000 OI-> sp 0.267 0.064 0.089 0.089 2.014 4.189 0.000
MAUDGAN：具有不同脑肿瘤的多中心 MRI 数据的运动伪影无监督解缠生成对抗网络
摘要。目的：本研究提出了一种新颖的回顾性运动减少方法，即运动伪影 11 无监督解缠生成对抗网络 (MAUDGAN)，该方法可减少来自肿瘤和转移性脑图像的运动伪影。MAUDGAN 使用多模态多中心 3D T1- 13 Gd 和 T2 流体衰减反转恢复 MRI 图像进行训练。方法：在 k 空间中为 3D T1-Gd MRI 图像模拟具有不同伪影 14 级别的运动伪影。MAUDGAN 由使用残差块构建的两个生成器、两个鉴别器和两个特征提取器网络组成。生成器将图像从内容空间映射到伪影空间，反之亦然。另一方面，鉴别器试图 17 区分内容代码以学习无运动和运动损坏的内容空间。结果：我们将 MAUDGAN 与 CycleGAN 和 Pix2pix-GAN 进行了比较。从定性上讲，MAUDGAN 可以消除软组织对比度最高的运动，而不会增加空间和频率失真。从定量上讲，我们报告了六个指标，包括归一化均方误差 (NMSE)、结构相似性指数 (SSIM)、多尺度结构相似性指数 (MS-SSIM)、峰值信噪比 (PSNR)、视觉信息保真度 (VIF) 和多尺度梯度幅度相似性偏差 (MS-GMSD)。MAUDGAN 获得了最低的 NMSE 和 MS-GMSD。平均而言，所提出的 MAUDGAN 重建的无运动图像具有最高的 SSIM、PSNR 和 VIF 值以及可比的 MS-SSIM 值。结论：MAUDGAN 可以在多模态框架下从 3D T1-Gd 数据集中分离出运动伪影。运动减少将改善自动和手动 26 后处理算法，包括自动分割、配准和引导治疗（例如 27 放射治疗和手术）的轮廓勾画。28
在精神病等候补名单上实施移动AI聊天机器人干预抑郁症的挑战：随机控制学习终止报告
这项研究使用ICD-9代码从模仿数据库中确定了18岁以上的1,177例患者。预处理包括处理丢失的数据，删除重复项，处理偏度和过度采样以减轻数据失衡。通过检查方差通胀因子（VIF）值，套索回归和单变量分析，在LightGBM模型中选择了18个特征。与其他基线模型相比，LASSO逻辑回归模型的最终输出的最高测试AUC -ROC为0.8766（95％CI 0.8065-0.9429），准确性为0.7291，包括随机森林，LightGBM，支持载体机（SVM）和决策树。所有模型均表现出良好的校准，其Brier得分相对较低，突出了它们在预测院内死亡率方面的可靠性。
经济不确定性、地缘政治风险、疫情、金融和宏观经济因素对原油收益的影响：
本研究旨在使用同步分位数回归 (SQR) 来研究宏观经济和金融不确定性（包括全球大流行、地缘政治风险）对原油期货收益 (ROC) 的影响。本研究的数据来源于 FRED（美联储经济数据库）经济数据集；已使用变异通胀因子 (VIF) 和主成分分析 (PCA) 验证了这些因素的重要性。为了充分了解这些因素对 WTI 的综合影响，研究在多因素模型中加入了交互项。实证结果表明，ROC 的变化会因特定时期和市场条件的不同而产生不同的影响。结果可用于做出明智的投资决策，并构建风险和回报均衡的投资组合。结构性突变，例如全球经济状况的变化或原油需求的变化，可能导致原油收益对不同时期的变化敏感。本研究的独特之处还在于它包含了与大流行、地缘政治风险和通胀相关的解释因素。
科策布
选定的项目 – 电池存储系统设计 – 预计 2022 年 ● 设计 ~4 MW/MWh 电池存储系统 ● 设计将电池存储与微电网相结合以实现柴油机关闭运行 ● 阿拉斯加能源管理局 – REF 13；科策布电力协会 o 2020 年授予补助金 o AEA 授予 325,000 美元 o KEA 国家公园管理局分摊 100,000 美元 风能供热 – 预计 2022 年 ● 安装了 108 kW 电锅炉 ● 多余的风能为 NPS 的电锅炉供电 ● 最终确定购买多余风电的协议 太阳能光伏阵列和电池 – 2020 年完工 ● 安装了 576 kW 双面太阳能光伏和逆变器 o 平均日产量：1794 kWh/天 ● 安装了 950 kWh/1,130 kW 电池存储系统 ● DOE；村庄改善基金；科策布电力协会o 2019 年拨款 o 美国农业部拨款 600,000 美元 o VIF 拨款 600,000 美元 o KEA 承担 600,000 美元成本
国际公共卫生科学杂志（IJPHS）
整体护理需要评估自我管理的障碍、性格洞察、宗教信仰和精神健康，以了解和解决患有 2 型糖尿病等慢性病的个人的多方面需求。本研究旨在确定影响印度尼西亚 2 型糖尿病患者自我管理障碍的决定因素及其影响变量。2023 年 3 月至 5 月，通过立意抽样对 101 名患者进行了横断面调查。使用的研究工具是精神健康量表、伊斯兰宗教信仰量表和糖尿病自我护理活动总结。还使用多元线性逐步回归和变量通胀因素 (VIF) 的共线性分析评估了自我管理障碍预测因子之间的潜在多重共线性效应。大多数受访者具有中等精神健康（52.2%）和高度伊斯兰宗教信仰（60.4%），但也有自我管理障碍（55%）。 F值为5.888，概率为0.004（<0.05），根据回归系数，精神健康和伊斯兰教信仰同时影响自我管理障碍，影响率为10.7％。研究发现，影响自我管理障碍的决定因素是精神健康和伊斯兰教信仰。这些结果提示，有必要制定干预模式，以整体方式改善2型糖尿病患者的自我管理。
执行摘要
概述 OyaGen 起源于影响细胞和病毒基因读数的基因编辑酶科学，由罗彻斯特大学 Harold C. Smith 博士（纽约州罗彻斯特市） ( https://haroldsmithlab.com ) 开展学术工作。OyaGen, Inc. 由 Smith 博士于 2003 年创立，拥有托马斯杰斐逊大学授权的独家知识产权 (IP) 以及公司药物靶点和抗病毒先导化合物平台上的众多自生 IP。2008 年，OyaGen 开始基于新颖的病毒药物靶点和方法开展针对 HIV 的口服抗病毒化合物药物研发工作，这使公司的方法在制药领域中脱颖而出。我们是唯一一家利用 HIV Vif 蛋白进行药物开发的商业公司，从而通过宿主细胞限制因子实现天然（先天）免疫，从而有效中和所有 HIV 进化枝和毒株。正在开发的先导化合物已经过测试，并被联邦政府 (NIAID) 认定为具有作为一流候选药物的潜力。此外，该公司还拥有一项平台技术，该技术已实现对 SARS-CoV2、MERS、埃博拉、拉沙病毒和痘病毒的先进先出鉴定，这些病毒在之前的癌症临床试验和临床前动物研究中已证实对人类受试者具有安全性。此外，OyaGen 不断创新，并积极开发针对多种病毒类别和肿瘤靶点的广谱抗病毒药物的新筛选检测方法。
应用数学和非线性科学
随着人工智能技术，经济和人工智能的快速发展，已经实现了深入的整合。大数据，云技术和数据图形等信息技术的发展为金融领域的消费变化奠定了基础。商业金融资产分配的智能结构提供了基于人工智能算法的金融服务，该算法降低了传统金融投资服务的门槛，并且是全面和方便的。目前，中国商业资产分配的用户采用率和利用率相对较低。本文使用结构方程模型来分析商业金融资产分配结构中人工智能的影响因素。首先，描述了受访者的基本信息，然后检查了可靠性和共线性。潜在变量CA大于0.7，Cr值高于临界值0.5，并且高于0.8，VIF值小于临界值5。也就是说，潜在变量具有良好的一致性，所有通过可靠性测试，模型具有很高的可靠性，并且没有严重的截线问题，并且结构模型的路径估计不会受到不利影响；最后，测试了该模型，发现该模型具有很强的解释力，创新和隐私对使用意图的重大影响，而年龄，性别和风险偏好对使用意图没有重大影响。了解AI在分配由大数据驱动的商业金融资产中的影响因素可以更相关地促进AI技术的技术服务。