ASV的框架基于一对泡沫填充的玻璃纤维壳,如图2所示,与形成浮桥相连。这种设计允许轻巧但浮力的船体,即使玻璃纤维壳受损,它们也可以保持正浮力。ASV配备了四个蓝色机器人T-200推进器,从策略上安装的角度约为135度,相对于船体中心线。将其位于弓箭附近的每个浮桥龙骨的龙骨上,该配置提供了自动运动,从而允许ASV精确有效的可操作性。ASV的推进器通过动态调整其旋转方向和速度来实现纵向,横向和旋转运动,提供精确且通用的可操作性,如图3所示。
我们感谢 Rustam Abuzov、Jonathan Bonham、Bruce Carlin、Florian Ederer、Alex Frankel、Jorge Guzman、Danielle Li、Hong Luo、Song Ma、Gustav Martinsson、David Robinson、Scott Stern、Joachim Tag、Toni Whited 以及耶鲁大学、麻省理工学院、莱斯大学和 KWC 创业金融会议的研讨会参与者提供的有益对话、评论和建议。Esther Bailey 和 Yupeng Liu 提供了出色的研究协助。我们感谢创业制图项目和 Jorge Guzman 为本项目提供的数据。所有错误均由我们自己承担。Barrios 衷心感谢芝加哥大学布斯商学院 Stigler 中心和 Centel 基金会/Robert P. Reuss 基金的支持。通讯作者:Yael Hochberg (hochberg@rice.edu),莱斯大学,6100 Main St. MS-531,休斯顿,TX 77005。本文表达的观点为作者的观点,不一定反映美国国家经济研究局的观点。
这项工作探讨了使用机器学习检测严重缺陷的最新方法。使用机器学习算法中模式识别的力量,我们为图像尾字符串分析提供了一个自动系统。该系统在仔细标记不同故障分类的广泛数据集上进行培训。这使该模型可以在部署过程中检测和分类未见拖曳图像中的潜在错误。这种方法通过提供客观,自动化和不断学习的解决方案来进行船尾线检查,从而提供了与传统技术相比的重要优势。这可以改变许多行业中硬线完整性的评估方式。该方法通过分析苛刻的线的图像来检测缺陷来自动化检查过程。机器学习算法在模式识别方面表现出色,使其非常适合此任务。所提出的方法涉及在由不同故障类型分类的船尾线图像数据集上训练模型。一旦训练了模型,它就可以分析新图像并有效地对其进行分类,并检测到牵引线中的潜在错误。这种数据驱动的方法比传统方法具有多个优点,包括更好的准确性,效率以及随着时间的推移不断学习和改进的能力。这种方法可能会彻底改变许多行业的回报线控制。算法V3是由Google开发的深度卷积神经网络体系结构。由于有效地使用了卷积过滤器和自举模块,因此在各种图像分类任务中实现了高性能。种子模块堆叠具有并联不同尺寸过滤器的多卷积层,从而允许网络捕获图像的不同特征。这种层次结构方法允许Inception V3学习图像数据的复杂表示,从而在尾字符串分析中获得了更好的错误检测精度。
kmec 2-80教授:yannis bakos:bakos@stern.nyu.edu david david yermack:dy1@stern.nyu.edu教学研究员:Harsh pooniiwala hp2664@stern.nyu.nyu.nyu.edu.指的是涉及基于技术的业务模式的金融部门创新,这些创新可以促进促进分解,彻底改变现有公司如何创造和交付产品和服务,解决隐私,监管和执法挑战,为企业家提供新的门户,以及用于包容性增长的种子机会。金融科技也是越来越多的技术方法来实现主要金融中介功能的标签:付款,筹集资本,汇款,管理不确定性和风险,市场价格发现以及调解信息不对称和激励措施。在当今的金融科技业务中,消费者通过移动应用程序集成到社交媒体中,以电子方式贸易和机器人顾问对投资组合做出决定。本课程提供了新兴金融科技学科的介绍。这是对可能在金融科技区上额外选修课的严厉学生的起点,同时还为打算只参加一门金融科技课程的学生提供了该领域的概述。出勤率和参与:该课程的出勤是必须的。可以参与,并且是您成绩的重要组成部分。参与不仅仅是出勤率。所有工作都可以在Brightspace上获得,并且所有类都记录在案。参与意味着参加课堂准备,并通过课堂讨论做出贡献,以促进课堂知识的发展(不仅有正确的答案,还可以在这里学习!)。COVID政策:根据NYU政策,如果您感觉不舒服或接触到Covid等,请不要上课。 感谢您作为严厉政策的耐心配合,并感谢您确保我们所有人的安全。COVID政策:根据NYU政策,如果您感觉不舒服或接触到Covid等,请不要上课。感谢您作为严厉政策的耐心配合,并感谢您确保我们所有人的安全。
Carolyn G. Loh是韦恩州立大学城市研究与计划系的副教授。 曾是一名前计划顾问,她的研究兴趣包括当地土地使用决策,实施和计划过程。 电子邮件:cgloh@wayne.edu。 Rose Kim是韦恩州立大学城市规划学生的硕士。 她拥有学士学位 在纽约大学斯特恩商学院的城市设计和建筑研究中辅修信息系统和营销。 电子邮件:rose.kim@wayne.edu。 致谢:作者要感谢Andrea Brown,Harmony Gmazel以及密歇根州计划社会公平委员会协会的成员,他们在开发计划公平评估工具方面的工作,自愿评估他们的计划的计划者,以及Anna Osland和Mildred Warner对论文的有用评论。 这项研究部分由韦恩州立大学文科和科学学院资助。Carolyn G. Loh是韦恩州立大学城市研究与计划系的副教授。曾是一名前计划顾问,她的研究兴趣包括当地土地使用决策,实施和计划过程。电子邮件:cgloh@wayne.edu。Rose Kim是韦恩州立大学城市规划学生的硕士。她拥有学士学位在纽约大学斯特恩商学院的城市设计和建筑研究中辅修信息系统和营销。电子邮件:rose.kim@wayne.edu。致谢:作者要感谢Andrea Brown,Harmony Gmazel以及密歇根州计划社会公平委员会协会的成员,他们在开发计划公平评估工具方面的工作,自愿评估他们的计划的计划者,以及Anna Osland和Mildred Warner对论文的有用评论。 这项研究部分由韦恩州立大学文科和科学学院资助。致谢:作者要感谢Andrea Brown,Harmony Gmazel以及密歇根州计划社会公平委员会协会的成员,他们在开发计划公平评估工具方面的工作,自愿评估他们的计划的计划者,以及Anna Osland和Mildred Warner对论文的有用评论。这项研究部分由韦恩州立大学文科和科学学院资助。
* 我们感谢 D-TEA 2015、巴黎、WFA 2015、SED 2015 会议、伯克利金融午餐研讨会、芝加哥联邦储备银行、印第安纳大学、伦敦商学院、Bernard Dumas、Alex Edmans、Paul Ehling、Willie Fuchs、Stefano Giglio、Brett Green、Lars Hansen、Philipp Illeditsch 和 Christine Parlour 的研讨会参与者提供的有益评论和建议。我们还要感谢编辑、副编辑和两位审稿人提供的非常有用的建议。本研究的一部分是在 Walden 与洛桑大学和瑞士金融学院合作期间进行的。Walden 还感谢 INSEAD、纽约大学斯特恩商学院和瑞典金融之家 SHOF 在研究期间接待来访者。 “ 印第安纳大学凯利商学院,1309 E 10th Street,布卢明顿,IN 47405。电子邮箱:chheyer@indiana.edu 加州大学伯克利分校,哈斯商学院。
(1) 根据法国政府人工智能委员会的报告(2024 年 3 月),《IA:我们的法国雄心》(仅有法语版)。 (2) OECD(2023 年),《建设人工智能国家计算能力的蓝图》,OECD 数字经济论文。 T. Eloundou、S. Manning、P. Mishkin、D. Rock(2023 年),《GPT 就是 GPT:大型语言模型对劳动力市场影响潜力的早期观察》,OpenAI。 (3) IM Cockburn、R. Henderson、S. Stern(2018 年),《人工智能对创新的影响》,NBER。 (4) M. Mock、S. Edavettal、C. Langmead、A. Russel(2023 年),《人工智能可以帮助加速药物发现——但前提是我们必须为它提供正确的数据》,《自然》。 (5) R. Van Noorden、JM Perkel (2023),“人工智能与科学:1,600 名研究人员的想法”,《自然》。(6) T. Besiroglu、N. Emery-Xu、N. Thompson (2023),“人工智能增强研发的经济影响”,arXiv。
纽约大学斯特恩商学院社会心理学家乔纳森·海特教授认为,“童年的大规模重塑是 2010 年代初开始的青少年精神疾病浪潮的最大单一原因”。他的著作《焦虑的一代:童年的大规模重塑如何导致精神疾病的流行》(2024 年)试图论证数字技术对儿童心理健康造成损害的证据意味着需要采取诸如“高中前不使用智能手机”和“16 岁前不使用社交媒体”等解决方案。相当多的学者质疑海特教授的分析是相关性而不是因果关系,以及这些解决方案是否会考虑到儿童的全部权利。4
1心血管再生研究所,歌德大学法兰克福大学,西奥多·斯特恩·凯7,德国法兰克福AM,德国法兰克福。2个心肺研究所,德国法兰克福AM。 3 DZHK,Site Rhein/Main,Frankfurt Am Main,德国。 4肺部健康研究所。 Justus-Liebig-University Giessen,Aulweg 132,Giessen,德国,Giessen和Marburg Lung Center(UGMLC),德国肺部研究中心(DZL),Justus-Liebig University Giessen Giessen,Giessen,Giessen,Giessen,德国,德国。 6心脏诊断与治疗研究所,德国IKDT GMBH柏林。 7,法兰克福大学法兰克福大学医院心脏病学系。 德国法兰克福AM。 8 DZHK心血管成像中心实验和转化心血管成像研究所,德国法兰克福大学歌德大学。2个心肺研究所,德国法兰克福AM。3 DZHK,Site Rhein/Main,Frankfurt Am Main,德国。4肺部健康研究所。 Justus-Liebig-University Giessen,Aulweg 132,Giessen,德国,Giessen和Marburg Lung Center(UGMLC),德国肺部研究中心(DZL),Justus-Liebig University Giessen Giessen,Giessen,Giessen,Giessen,德国,德国。 6心脏诊断与治疗研究所,德国IKDT GMBH柏林。 7,法兰克福大学法兰克福大学医院心脏病学系。 德国法兰克福AM。 8 DZHK心血管成像中心实验和转化心血管成像研究所,德国法兰克福大学歌德大学。4肺部健康研究所。Justus-Liebig-University Giessen,Aulweg 132,Giessen,德国,Giessen和Marburg Lung Center(UGMLC),德国肺部研究中心(DZL),Justus-Liebig University Giessen Giessen,Giessen,Giessen,Giessen,德国,德国。6心脏诊断与治疗研究所,德国IKDT GMBH柏林。7,法兰克福大学法兰克福大学医院心脏病学系。 德国法兰克福AM。 8 DZHK心血管成像中心实验和转化心血管成像研究所,德国法兰克福大学歌德大学。7,法兰克福大学法兰克福大学医院心脏病学系。德国法兰克福AM。8 DZHK心血管成像中心实验和转化心血管成像研究所,德国法兰克福大学歌德大学。
贝基·阿布塔利翁 联系方式 rem344@nyu.edu 纽约大学 908-342-1965 斯特恩商学院 办公时间需预约 市场营销部 教室待定 西四街40号 纽约,NY 10012 ________________________________________________________________________ 课程描述和目标 本课程旨在让学生了解塑造竞争日益激烈且快速发展的零售业的力量。我们将探讨正在改变市场的人口、经济、竞争和技术发展,以及参数如何影响消费者行为和零售商商业模式的有效性。 由于新进入者和技术的使用,零售业在不断发展,而最近的疫情加速了这一发展,我们将探讨新参与者的成功和现在失去市场份额的参与者的失败的定义。 到本课程结束时,学生将能够: