本研究说明分析了经济学家的搜索词,并开发了修改工具的方法。探索性研究问题是:可以通过优化的搜索术语提高选择过程的回忆和精度吗?目的是提高搜索词从初始语料库中选择相关文章的能力,以及将文章确定为相关的能力,以防它们已经属于过滤的语料库。为此目的,研究说明首先概述了科学研究中经济政策不确定性指数的概念和以前的应用(第2节)。在得出自己的研究方法并描述了方法和数据基础之后(第3节),作者介绍了分析结果(第4节)。最后,他讨论了结果,得出结论并提出了进一步研究项目的方法(第5节)。附录提供了本研究说明中使用的所有搜索词,以及作为编码过程中心仪器的代码簿。
本文使用在丹麦领先的专注于商业报纸(Børsen)上发表的文章(Børsen)发表的文章构建了对丹麦经济特定的经济政策不确定性的第一个衡量标准,并估计了不确定性对经济活动的影响。我们以Baker等人的工作为基础。(2016),他使用报纸文章作为有关公众所感知的与政策相关的不确定性水平的信息来源。我们通过应用Larsen(2017),Huang等人提出的方法学进步来增强该指数。(2019)和Thorsrud(2018)。特别是我们扩展了Baker等人的基线字典。(2016)通过在丹麦维基百科中识别出的语义邻居,以及通过通过潜在的Dirichlet分配(LDA)模型在语料库中与经济相关的主题相关的相关性。
本文介绍了基于专业预报员之间分歧的新量表政策不确定性的新量度。我们在1995年11月至2018年4月的样本期间分析了德国经济的这种措施的不同模式,还使用意大利数据进行比较。尤其是我们研究了德国“债务制动器”对量表政策的影响不明显的影响。最后,我们进行了冲动响应分析,以调查量表政策不确定性对实际经济的影响,并提供了可靠的证据,即量表政策不确定性显着降低了工业生产的增长率。相应的效果对各种灵敏度检查是可靠的,并且超出了对经济政策不确定性的一般度量的影响。在一般中,对实际经济的负面影响可能是通过企业降低和投资的较低的招聘和投资来解释的,由于预防储蓄而导致的风险溢价和较低的消费支出造成的成本较高。
工业和地球物理流体的抽象数值模拟通常无法求解确切的Navier-Stokes方程。因此,它们会通过强烈的本地错误。对于某些应用程序(例如耦合模型和测量结果),需要准确量化这些错误,而整体预测是实现此目标的一种方式。本文回顾了朝着这个方向提出的不同的处理。通过谎言运输对位置不确定性和随机对流的模型特别关注。此外,本文引入了一种新的基于能量预算的随机亚网格方案,以及在不确定性下进行参数化模型的新方法。最后,提出了新的整体预测模拟。将新随机参数化的技能与位置不确定性下的动力学和随机初始条件方法的动力学进行了比较。
我们考虑了基于培养基刺激后响应波的测量值的粘性声材料的定量重建(例如,大量模量,密度)的逆问题。数值重建是通过迭代最小化算法进行的。首先,我们研究了算法在衰减模型不确定性方面的鲁棒性,也就是说,当使用不同的衰减模型分别用于模拟合成观察数据和反转时。其次,要处理由域周围墙边界产生的多个反射的数据集,我们使用复杂的频率进行反转,并表明它提供了一个强大的框架,可以减轻多种反射的界限。为了说明算法的效率,我们对超声成像实验的数值模拟进行了数值模拟,以重建包含高对比度特性的合成乳房样品。我们在两个和三个维度上进行实验,后者也可以证明大规模构造中的数值可行性。
的确,最近的一些实证研究检查了经济政策不确定性的财务和经济影响(EPU)。已发现EPU增强可降低银行收入(Boungou和Mawusi,2021a),增加银行风险(Wu等,2020a),Hamper信用增长(Nguyen等,2020),降低了非现金资产持有量阻碍经济增长(Ren等,2020)。探讨的少得多的是EPU和银行非利益收入活动(此后多元化)之间的关系,尤其是驱动多元化的渠道。通过扩展,出现了两个主要问题:(i)银行是否会对高经济政策不确定性产生多样化?(ii)采用负利率政策(NIRP)是否会影响EPU对银行多元化的影响?
如今,协调可用的能量向量对于满足征服要求的要求至关重要。尽管有明显的努力来改善现有网络,但不确定性处理和组织挑战仍然难以应对。本论文旨在通过解决这些问题来填补这一空白,特别着重于减轻不确定性对小型多能网络最佳设计和运营管理的影响。在这种情况下,不确定性以多种方式影响性能。该项目通过小型多能网络的最佳尺寸/操作重点进行。在技术层面上,最重要的是与资源可用性有关的,这对于基于可再生的系统至关重要。用户的行为和能源市场是影响整体表现的其他(不确定的)因素。现有方法分别解决了这些问题,但我们的目标是制定利用辅助技术,存储,供应商和外部客户的综合政策,以提高多能网络设计和操作灵活性的弹性。这可以增加经济,环境甚至社会的影响,从而影响决策者和利益相关者的利益。
桑迪亚国家实验室是由霍尼韦尔国际公司(Honeywell International,Inc。)全资子公司的国家技术和工程解决方案(由美国国家能源部国家核安全管理部的全资子公司)管理和运营的多个实验室。
在计算机科学和人工智能不断发展的景观中,模糊图理论和拓扑指数的整合为决策过程提供了强大的框架。模糊图,其特征是它们处理不确定性和不精确的能力,扩展了传统的图形概念,从而使复杂网络的更细微的表示。本研究探讨了模糊拓扑指数在梯子和网格图中的应用,这些阶梯和网格图是网络理论中的基础结构。梯子图,类似于梯子的梯级,以及代表网状结构的网格图,通过模糊图理论的镜头进行分析,以提取有意义的见解,有助于决策。模糊拓扑指数与这些图形结构的融合为评估网络鲁棒性,优化路线和增强整体系统可靠性提供了强大的工具。本文深入研究了传统拓扑指数的探索,例如randić索引以及模糊的拓扑指数和模糊的Zagreb索引,专门用于梯子和网格图。我们通过机器学习技术分析上述图表,并提供全面的统计分析。我们发现梯子和模糊阶梯图之间以及网格和模糊的网格图之间存在很强的相关性。我们的发现表明,如果已知梯形图和网格图中的拓扑索引的值,那么我们可以准确地预测梯形图和网格图的模糊拓扑索引的值。使用机器学习技术对清晰和模糊图中的拓扑指数进行分析是一种创新的方法,不仅可以节省时间,而且还提供了更全面,更精确的评估。