XiaoMi-AI文件搜索系统
World File Search Systemdeviation
步态偏差和神经疾病：定量测量的比较研究
步态是一系列协调的运动，使人类可以从一个地方移到另一个地方，是我们日常生活的基本方面。步态研究对包括生物力学，康复，运动科学和机器人技术在内的各个领域具有深远的影响。传感器技术的最新进展，例如惯性测量单元（IMUS）[1-5]和运动捕获系统[6，7]，使得可以同时从多个关节中收集高分辨率角度数据[1，8-11]。临床步态分析（CGA）利用了描述步态的这种序列，以便为临床医生提供决策援助[12，13]。在步态康复的框架中，必须采取定量措施来评估治疗过程中患者的进度。文献中的几件作品解决了这一领域，到目前为止，已经提出了不同的措施[13]。最广泛使用的是步态偏差指数（GDI）[14]，例如步态谱分数（GPS）[15]和Gillette步态指数（GGI）[16]。这种措施的目的是量化与正常步态模式的偏差。
我们学到多少？测量通过选择与贝叶斯更新的对称和不对称偏差
ilke aydogan：i.aydogan@ieseg.fraurélienbaillon：baillon@em-lyon.com emmanuel kemel：emmanuel.kemel@gemel@greg-hec.com chen li：c.li@ese@ese.eur.nl，我们感谢Peter Wakker和Han Bleichrodt和Han Bleichrodt的帮助和讨论。Baillon承认NWO Vidi Grant 452-13-013的财务支持。Aydogan承认该地区Haut-De-France（2021.00865 Clam）和欧盟的Horizon Horizon Europe Research and Innovation计划，根据Grant协议（101056891具有能力）。li感谢NWO Veni Grant VI.Veni.191E.024的财务支持。1 See, for instance, Phillips and Edwards ( 1966 ), Edwards ( 1968 ), Tversky and Kahneman ( 1974 ), El-Gamal and Grether ( 1995 ), Oswald and Grosjean ( 2004 ), Möbius, Niederle, Niehaus, and Rosenblat ( 2022 ), Bén- abou and Tirole ( 2016 ), Ambuehl and Li ( 2018 ).
使用大偏差理论
增强学习（RL）是机器学习研究的重要领域，它越来越多地应用于物理中的复杂优化问题。并行，物理学的概念与熵限制的RL等发展有助于RL的重要进展。尽管这些发展导致了两个领域的进步，但在熵调查的RL中获得了优化的分析解决方案，目前是一个空旷的问题。在本文中，我们在熵限制的RL和研究中的研究中建立了映射，该统计学专注于马尔可夫过程以罕见事件为条件。在长期限制中，我们将大型偏差理论的方法应用于马尔可夫决策过程中最佳策略和最佳动态（MDP）模型的确切分析结果。获得的结果导致了熵调查的RL的分析和计算框架，该框架通过模拟验证。这项工作中建立的映射将强化学习和非平衡统计力学方面的研究联系起来，从而为将分析和计算方法的应用从一个领域到另一个领域的尖端问题开放。
会计中的经营战略与战略偏差...
摘要 我们回顾了关于商业战略和战略偏差对会计、财务和公司治理结果的影响的实证档案文献。我们使用 Miles 和 Snow（组织战略、结构和流程。McGraw-Hill，1978 年；组织战略、结构和流程。斯坦福大学出版社，2003 年）的战略类型学，该类型学已由 Bentley 等人使用财务报表数据进行了量化（当代会计研究，2013 年，30，780）。研究使用此策略分数来调查公司遵循两种不同策略（即探矿者与防御者）对各种组织结果的影响。我们的调查提供了有关商业战略、财务报告质量、财务结果和公司治理（包括企业社会责任 (CSR) 活动）之间关系的混合证据。我们为未来的研究提出了一些建议。
用于分布式电池储能系统的快速分层协调控制器，以缓解电压和频率偏差
本文提出了一种新型分层最优控制框架，用于支持多区域输电系统中的频率和电压，并集成电池储能系统 (BESS)。该设计基于来自 BESS 的协调有功和无功功率注入，而不是传统的基于同步发电机的控制，以快速及时地缓解电压和频率偏差。这个新想法的原理是使用两个分层方案，一个是物理的，一个是逻辑的。第一个方案的目标是优先从发生意外事件的区域安装的 BESS 注入功率，从而减少对邻近区域的动态干扰。在第二个方案中，每个方案中都纳入了聚合 BESS 的运行规则，从而提高了资产的安全性。所提出的方法利用了时间同步测量、特征系统实现算法 (ERA) 识别技术、最优线性二次高斯 (LQG) 控制器和新的聚合代理的优势，该聚合代理以分层和可扩展的方案协调 BESS 的功率注入，以精确调节现代输电网的频率和电压，提高其可靠性和稳定性。使用模拟场景证明了该提案的可行性和稳健性，该场景具有显著的负载变化和三相、三周期故障，改进的 Kundur 系统具有四个互连区域，可在不到 450 毫秒的时间内缓解频率和电压突发事件。
附录22 mRNA疫苗给药错误和偏差
疫苗给药错误是任何可预防的事件，可能导致或导致不适当使用疫苗或患者伤害。本附录提供了预防和报告mRNA covid-19疫苗给药错误的资源，以及在发生错误后要采取的措施。为了完整性，这包括其他方案，这些方案偏离了CDC建议的疫苗间隔，但不被视为管理错误。本文档旨在协助提供者处理特殊情况，在这种情况下，已经发生了疫苗接种或偏差，并且在可用的其他信息可用时可能会更新。
基于适用于基于运动仿真的大脑计算机界面
摘要 - 在这项工作中，我们开发了中等的偏差功能，以衡量一组给定间隔值数据之间的相似性和相似性，以构建间隔值的启动函数，并且我们将这些功能应用于两个电动成像脑计算机界面（MI-BCI）系统中，以分类电脑图信号。为此，我们介绍了间隔值中等偏差函数的概念，尤其是我们研究了那些间隔值值的中度偏差函数，这些函数保留了输入间隔的宽度。为了将它们应用于Mi-BCI系统，我们首先使用模糊含义的操作员来测量系统集合中每个分类器的输出链接的不确定性，然后我们使用新的间隔价值汇总的聚合功能执行决策阶段。我们已经在两个MI-BCI框架中测试了我们的建议的好处，比使用其他数值聚合和间隔值的OWA运算符获得的结果更好，并获得了竞争结果，而不是基于非聚合的框架。
最小化频率偏差的存储放置策略
随着可再生能源的份额不断增加，需要适当大小和位置的多个存储单元来实现更好的惯性响应。这项工作主要研究“如何在瞬态事件下在电网中分配恒定数量的存储单元，以使最大频率偏差的惯性响应最小化？”的问题。为了回答这个问题，我们提供了一个全面的建模框架，用于在空间效应下确定储能单元的位置和大小以实现频率稳定性。分布式存储单元被建模为电网支持逆变器，电网中的总存储容量基于扰动后允许的稳态频率偏差而受限制。寻找最优分布的问题可以看作是由高维解组成的组合问题。有鉴于此，我们开发了两种基于强力搜索和改进交叉熵法的数值方法来寻找最佳分布，并在未来以色列电网的案例研究中对其进行了检验。案例研究的结果提供了一个新的见解——存储单元应放置在干扰区域周围，包括根据网络拓扑放置在具有高惯性的站点。