XiaoMi-AI文件搜索系统
World File Search Systemcausality
使用因果关系，相关性和面板数据模型对蓝色经济部门的影响
结果：分析表明，人均收入与蓝色经济的其他因素有关，PCI（Granger）导致沿海旅游和人口密度，并且还有其他五个因素积极影响PCI的增长，即温室气体排放（GHG），海上运输，非生存资源和港口的活动。本文为理论增添了一些新的理解，并尤其是对社会的关注，尤其是蓝色经济学。例如，如果决策者想增加这些地区的人均收入，则应对某些变量采取行动，例如人类发展指标（HDI），温室气体（GHG）排放，生活资源，海上运输和海洋能源。结果表明，蓝色经济是促进经济增长和PCI的好选择。
立体脑电图中事件相关因果关系区分名词短语和动词短语的句法处理
1 BioroBotics研究所和AI卓越，Sant'anna高级研究学院，Viale Rinaldo Piaggio 34，Pontedera 56025，意大利2 Iuss高级研究学院，Piazza della Vittoria Piazza della vittoria 15 ，米兰2016年，意大利4医学和外科部，帕尔马大学神经科学部门，通过乔瓦尼·巴蒂斯塔·格拉斯（Giovanni Battista Grassi）74，意大利帕尔马5人Humanitas临床研究所，Alessandro Manzoni 56神经病学研究所，通过Mondino 2，帕维亚 27100，意大利 8 贝尔塔雷利基金会转化神经工程主席，洛桑联邦理工学院工程学院和神经修复中心，生物技术校区，Chemin des Mines 9，日内瓦，GE CH 1202，瑞士 9 日内瓦大学基础神经科学系，生物技术校区，Chemin des Mines 9，日内瓦，GE CH 1202，瑞士 10 认知神经科学（ICoN）中心，Scuola Universitaria Superiore IUSS，Piazza Vittoria 15，帕维亚 27100，意大利 11 这些作者对这项工作做出了同等贡献。 ∗ 任何通信均应寄往作者。
澳大利亚经济不确定性冲击的工业影响
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
在非循环时空中嵌入循环信息论结构：不确定因果关系的不成立结果
量子信息和时空物理学界所采用的因果关系概念是截然不同的。虽然经验告诉我们，这些概念在物理实验中以兼容的方式一起发挥作用，但它们的一般相互作用在理论上却鲜为人知。因此，我们开发了一个理论框架，将这两个因果关系概念联系起来，同时也清楚地区分它们。该框架描述了通过反馈回路进行的量子操作组合，以及将由此产生的可能循环的信息理论结构嵌入非循环时空结构中。然后，相对论因果关系（禁止超光速通信）作为这两个结构之间的图论兼容性条件。通过证明量子信息界广泛研究的不确定因果顺序 (ICO) 过程可以在我们的框架内表述，我们阐明了不确定因果关系和循环因果关系之间的联系，以及有关它们的物理性的问题。具体来说，有几项实验声称在闵可夫斯基时空中实现了 ICO 过程，这提出了一个明显的理论悖论：不确定的信息论因果结构如何与确定的时空结构相一致？我们通过不定理来解决这个问题，表明作为相对论因果关系的结果，(a) ICO 过程的实现必然涉及时空中系统的非局部化，(b) 仍然可以在更细粒度的层面上用确定的、非循环的因果顺序过程来解释。这些结果是通过引入细粒度概念实现的，细粒度概念允许在不同细节层面上分析因果结构。这完全解决了明显的悖论，并对 ICO 实验的物理解释具有重要意义。我们的工作还阐明了时空中量子信息处理的极限，并对固定时空范围内外不确定因果关系的操作意义提供了具体的见解。
alis：从可穿戴寿命系统的日常活动背后的学习情感因果关系
摘要 - 人类的情绪和行为是在日常生活中相互塑造的相互构造。虽然过去对每个元素的研究都利用了各种生理传感器，但尚未探索它们在日常生活中的互动关系。在这项工作中，我们提出了一种可穿戴的情感寿命系统（ALIS），在日常生活中既易于又易于使用，以准确检测情绪变化，并确定用户生活中情绪与情感状况之间的因果关系。拟议的系统记录了使用生理传感器在长期活动中某些情况下用户的感觉。基于长期监控，该系统分析了用户生活的环境如何影响他/她的情感变化，并在日常情况下在情绪和可观察的行为之间建立因果结构。此外，我们证明了所提出的系统使我们能够建立因果结构，以找到适合学校生活中负面情况的精神浮雕的个体来源。
关于建立因果关系，治疗应用和在微生物组研究中使用临床前模型的共识陈述
肠道微生物组包括数万亿微生物，并通过调节代谢，免疫反应和神经元功能来深刻影响人类健康。肠道微生物组组成中的破坏与各种炎症状况，代谢性疾病和神经退行性疾病有关。但是，确定基本机制和建立原因和效力非常困难。临床前模型为肠道微生物组在疾病中的作用提供了重要的见解，并有助于鉴定潜在的治疗干预措施。人类微生物组的行动联盟启动了Delphi调查，以评估包括动物和基于细胞模型在内的临床前模型的实用性，以阐明肠道微生物组在这些疾病中的因果作用。Delphi调查旨在解决选择适当的临床前模型以有效研究疾病因果关系并有效研究宿主 - 微生物组相互作用的复杂性。我们采用了一种结构化方法，其中包括文献综述，专家研讨会和德尔福问卷，以收集来自各种利益相关者的见解。要求专家评估这些模型在解决肠道微生物组与疾病发病机理之间因果关系方面的优势，局限性和适用性。由此产生的共识陈述和建议为在肠道微生物组相关疾病的未来研究中选择临床前模型提供了宝贵的见解。
图表之间的因果关系，并应用于自闭症谱系障碍中功能性大脑连通性
摘要：图形/网络已成为数据建模的强大分析方法。此外，随着传感器技术的进步，动态的时间不断发展的数据变得越来越普遍。在这种情况下，一个兴趣点是对网络内部和网络之间的信息流的更好理解。因此，我们旨在推断网络时间序列之间的Granger因果关系（G-CAUSALITY）。在这种情况下，完善的矢量自回归模型的直接应用是不可行的。因此，我们需要一个理论框架来建模时间变化图。一种可能性是考虑一个具有时变参数（假定为随机变量）的数学图模型。假设我们识别图模型参数之间的g-causality。在这种情况下，我们可以使用它来定义图之间的g-果实。在这里，我们表明，即使模型未知，光谱半径也是某些随机图模型参数的合理估计。我们说明了我们的提议的应用，以研究对照组的大脑半球与被诊断为自闭症谱系障碍（ASD）的儿童之间的关系。我们表明，ASD和对照之间的G-伴侣强度从大脑的右侧到左半球有所不同。
基于传感器相关性情绪识别分类的稀疏Granger因果关系分析模型
近年来，基于脑电图（EEG）数据的情感计算吸引了人们的注意力越来越多。作为经典的EEG特征提取模型，Granger因果关系分析已被广泛用于情感分类模型，该模型通过计算EEG传感器之间的因果关系并选择关键的EEG特征来构建大脑网络。传统的EEG Granger因果关系分析使用L 2规范从数据中提取特征，因此结果容易受到脑电图的影响。最近，一些研究人员提出了基于绝对收缩和选择操作员（Lasso）和L 1/2规范的Granger因果关系分析模型来解决此问题。但是，常规的稀疏Granger因果关系分析模型假设每个传感器之间的连接具有相同的先验概率。本文表明，如果可以将每个传感器的脑电图数据之间的相关性添加到Granger因果关系网络中，则可以作为先验知识，则可以增强稀疏Granger因果模型的EEG特征选择能力和情感分类能力。基于这个想法，我们提出了一个新的情感计算模型，该模型将基于传感器相关（SC-SGA）的稀疏Granger因果关系分析模型。SC-SGA基于L 1 /2规范框架进行特征提取，将传感器作为先验知识之间的相关性与Granger因果关系分析，并使用L 2 Norm Logistic回归作为情感分类算法。我们使用两个真实的脑电图数据集报告了实验的结果。这些结果表明，SC-SGA模型的情绪分类准确性比现有模型的情绪分类精度高出2.46–21.81％。
miR-196a2和miR-27a多态性与妊娠糖尿病的关联在中国人群中的易感性
自1980年代以来，发展中和发达经济体都增加了其可再生能源使用和生产。可再生能源的出现有四个方面。首先是技术进步，它降低了可再生能源设施的投资成本（Apergis and Payne，2010a； Apergis and Payne，2010b； Luqmanahmad和Bakhsh，2019年）。第二个方面与政府法规有关，该法规为可再生能源投资提供了支持政策的影响，例如大多数政府为绿色能源建立信贷减轻和税收减免，而绿色能源又会提高了证书和投资组合标准，并在可再生能源投资（Apergis和Payne，2012年； Asiedu et al，2021年）。第三点与气候变化问题有关。有人认为，增加的可再生能源使用减少了二氧化碳的排放，从而使可再生能源减轻了气候变化的有害影响（Bowden and Payne，2009; Payne，2009年，Ali，2021年）。最后，化石燃料价格的上涨鼓励了使用可再生能源（Gozgor，2018年）。考虑到这四个因素，可再生能源有可能带来长期的经济增长。最近，由于目前面临的全球经济面临的政策不确定性和不稳定性，可再生能源在带来长期经济增长方面的作用似乎受到了挑战。这种新兴的不确定性/不稳定性之一是经济政策不确定性（EPU）。EPU是与政府政策方向变化相关的政策不确定性（例如，货币或最终政策变更，税收法规等。），这倾向于在解决这种不确定性之前，会导致个人和企业的支出和投资延误。与能源消耗有关的政策变化和不确定性已被认为会影响有关国家的整体经济增长（Aizenman and Marion，1993; Tiwari，2011; Gulen and Ion，2016）。例如，不确定性
使用频域因果关系
摘要：我们使用频域方法调查了印度总体和部门层面的权力消耗与经济增长之间的Granger因果关系，这将帮助政策制定者通过不同频率的适当政策计划寻求有效的电力分配。我们发现，在总体上，单向因果关系从总功耗到经济增长，从第二个开始到第七季度。在部门环境中，结果是不同的。因为工业能源消耗与经济增长之间没有因果关系；因此，可以为工业部门实施节能政策。此外，由于商业部门15个季度之后存在双向因果关系，因此该部门也可以启动短期政策，而不是节能政策。在工业和农业部门中，应该启动促销政策，因为从部门的功耗到经济增长，单向因果关系存在。因此，与印度所有权力部门的单一政策相比，不同和特定的政策将更合适，以确定对更好的经济发展的有效利用。