XiaoMi-AI文件搜索系统
World File Search System不确定性
重新思考核心和认知不确定性
鉴于它们的使用规模，这些想法在文献中并没有连贯地讨论。基于模型的预测与生成数据生成过程之间的界限反复模糊（Adlam等，2020； Amini等，2020； Ayhan＆Berens，2018； Collier等，Collier等，2020; Immer等，2021; Kapoor等，2022; Kapoor等，2022; 2022; Liu等，2022; Maver et al，2022; Mafor-Parker et al，2022; Mavor et al，2022; 2022; nim，2022; nin，2022; Inn，2022； ;史密斯＆gal，2018年；Different mathematical quantities are used to refer to notionally the same concepts: epistemic uncertainty, for example, has received multiple definitions, including variance-based measures ( Gal , 2016 ; Kendall & Gal , 2017 ; McAllister , 2016 ), information- based measures ( Gal et al , 2017 ), ad-hoc reinterpretations of information-based measures ( Shen et al , 2018 ; Siddhant & Lipton , 2018 ) and基于距离的措施（Mukhoti等，2021，2023; van Amersfoort等，2020）。在预测不确定性和准确性之间提出了误导连接（Orlando等，2019； Wang等，2019）。关于预测性不确定性将如何在看不见的数据上分解的脆弱假设（Seeb - Ock等，2019； Wang＆Aitchison，2021）。
不确定性吸引模块化的设计和分析...
我们提出了不确定性感知的模块化自治堆栈的框架，以描述利用不确定性定量（UQ）的现代机器人系统。在论文的第一部分中，我们引入了导航框架的实现。我们提出了一条新型管道，以从使用保形预测的轨迹预测模型以及一种利用这些集合的安全保证的计划方法中获得概率安全且可行的可行性集合。我们通过实际的自动驾驶数据以及波音车辆的实验来展示管道在仿真中的功效。在第二部分中，我们通过研究使用UQ的系统范围的影响，对框架进行了分析。我们使用级别设置估计工具来有效地量化系统的鲁棒性和校准，即使评估过程成本很高。我们将分析应用于两个现实的行业级系统。我们发现，在存在输入误差的情况下，UQ改善了整体系统的鲁棒性，尽管上游的错误输出错误，但UQ使下游模块能够提供校准的输出。
具有广义不确定性原理的量子纠缠
通过引入耦合谐振子系统，探讨了广义不确定性原理 (GUP) 修正量子力学中量子纠缠的修正情况。构造基态 ρ 0 及其约化子态 ρ A = Tr B ρ 0 ，计算了 ρ 0 的两个纠缠测度，即 E EoF (ρ 0 ) = S von (ρ A ) 和 E γ (ρ 0 ) = S γ (ρ A ) ，其中 S von 和 S γ 分别是冯·诺依曼熵和雷尼熵，直至 GUP 参数 α 的一阶。结果表明，当 γ = 2 , 3 , ··· 时，E γ (ρ 0 ) 随 α 的增加而增大。值得注意的是，E EoF (ρ 0 ) 不具有 α 的一阶。根据这些结果，我们推测，对于非负实数 γ ，当 γ > 1 或 γ < 1 时，E γ (ρ 0 ) 随 α 的增加而增加或减少。© 2022 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。由 SCOAP 3 资助。
量化长期经济预测的不确定性
有关会议的更多信息，请参阅 https://comp-econ.org/CEF_2022/index.htm 。有关本演示文稿中结果的进一步讨论，请参阅 U. Devrim Demirel 和 James Otterson 的《量化长期经济预测的不确定性》，工作文件 2022-07（国会预算办公室，2022 年 4 月），www.cbo.gov/publication/57711 。
cctr：校准不确定性的轨迹预测 -
自主驾驶系统依靠精确的轨迹前词进行安全有效的运动计划。尽管努力提高预测准确性，但由于数据噪声和不完整的观察，固有的不确定性仍然存在。许多策略需要将预测结果形式化为分布，并利用差异代表不明显。然而，我们的实验研究表明，现有的轨迹预测模型产生了不可靠的不可估计的估计，需要进行其他定制的核心过程。另一方面，直接将电流校准技术应用于预测输出可能会产生亚最佳结果，因为对所有预分解使用了通用缩放器并忽略了信息性的数据提示。在本文中，我们提出了使用调节器（CCTR）的定制校准温度，这是一个通用框架，可以校准外部分布。具体来说，CCTR 1）采用基于校准的正规器将输出差异与预测与地面真相之间的差异相一致，并且2）使用上下文和历史信息为每个预测提供了每个预测的量身定制的温度缩放器。涉及多种谓词和计划方法的广泛评估表明，CCTR比现有的校准算法和不确定性意识方法的优越性，校准质量的11％ - 22％的显着提高，运动计划的17％-46％。
物理学和直觉数学中的不确定性
大多数物理学理论都是确定性的，但显着的量子力学例外，然而，量子力学受到所谓测量问题的困扰。这种状态很可能是由于标准数学无法“谈论”不确定性，它无法为我们展示一个世界观，随着时间的流逝，创建新信息。在这种情况下，科学的决定论只会是由于永恒的数学语言科学家使用的幻想。为了调查这种可能性，有必要开发一种替代的数学语言，该语言既足够强大，以允许科学家计算预测并与不确定性和时间的流逝兼容。我们认为直觉数学提供了这样一种语言，并以简单的术语进行了说明。
不确定性和真实经济：丹麦的证据
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。
考虑市场价格不确定性和高峰需求管理
为了稳定电力系统的运行，必须对不确定性建模威胁这些系统正常性能的不确定性。在这项研究中，根据上游净价的不确定性建模和需求响应计划（DRP）的不确定性建模（DRP），已安排了基于可再生的网格伏伏洛尔特（PV） - 燃烧器 - 燃烧器 - 燃料 - 燃料 - 燃料 - 燃料燃料燃料混合能源系统（RBHES）。实施DRP的主要原因是激励电力消费者以获得RBHES的经济目标的方式修改其能源使用模式。在本文中，间隔优化技术已用于对上游净价的不确定性进行建模，并准备稳定条件以安全地运行RBHES。将基于平均和偏差成本的基于单目标的模型转换为确定性的多目标模型，间隔优化技术模型不确定性，并确保在上游净价不确定性的最小影响下RBHES的最佳性能。为了求解上述多目标模型，使用了加权总和技术和模糊方法。已研究了RBHES作为案例研究，模拟结果表明，介绍了使用的技术的正效应以进行比较。在有或没有DRP的情况下，与确定性方法相比，间隔方法中RBHE的平均成本分别增加了1.61％和2.06％。这是RBHES的偏差成本分别降低了13.61％和15.28％。由于DRP成功实施，与缺少DRP的情况相比，RBHES的平均成本和RBHS的偏差分别降低了5.89％和11.08％。
利率不确定性和主权违约风险
本文的最新版本可在此处找到。我们受益于 Fernando Broner 两位匿名审稿人的评论和建议，以及 Manuel Amador、Agustín Benetrix、Marinho Bertanha、Nathan Converse、Ethan Ilzetzki、Hashmat Khan、Juan Carlos Hatchondo、Leonardo Martinez、Enrique Mendoza、Juanpa Nicolini、Ananth Ramanarayanan、Zach Stangebye、Michal Szkup、Martín Uribe、Stephen Williamson 以及 UBC、圣玛丽学院、西部大学、皇后学院、卡尔顿大学、圣母大学、都柏林圣三一学院、欧洲大学学院、麦克马斯特大学、图库姆安国立大学、2019 年中西部宏观经济学会议、2019 年经济与金融计算年会、货币、宏观与金融会议 50 周年纪念会议、第 10 届 RCEA MMF 会议、 2016 年和 2017 年经济动力学学会年会以及 2015 年加拿大经济协会年会。其余所有错误均由我们承担。本研究部分由加拿大社会科学和人文研究委员会资助，以及麦克马斯特大学内部艺术研究委员会资助。本文表达的观点为作者的观点，并不一定反映美国国家经济研究局的观点。
公司级不确定性的经济影响
*第一版：2020年4月13日。We are grateful to Danilo Cascaldi-Garcia, Brian Doyle, Thiago Ferreira, Stef- fen Henzel, Matteo Iacoviello, Cosmin Ilut, Andrea Lanteri, Francesca Lotti, Hyunseung Oh, Andrea Prestipino, Plutarchos Sakellaris, Enrico Sette, Frank Warnock, and participants to various seminars and对于“宏观和调查数据的第11个Ifo Conterence”，以获取有用的评论。朱塞佩·菲奥里（Giuseppe Fiori）：美国国际财政部第20届国际财政部和华盛顿特区的C街20551年，联邦政府委员会委员Filippo Scoccianti：Banca d'Italia，通过意大利罗马的Nazionale 91（电子邮件：fiplippo.scocianti@bancaditalia.it）。本文所表达的观点仅是作者的统治性，不应被解释为反映美联储系统委员会（或与美联储系统相关的任何其他人）或意大利银行的观点。