XiaoMi-AI文件搜索系统
World File Search System不确定性
考虑源-荷不确定性的协调调频策略
方法：首先，根据风电机组运行特性和减负荷率划分风速区间，在此基础上提出基于转子转速控制和桨距角控制的减负荷运行策略，使风电机组具备双向调频能力，并根据风速预测误差和减负荷运行策略确定风电机组可调容量；其次，基于考虑离网时间不确定性的电动汽车可控域模型，根据电动汽车充电紧急程度，通过对荷电状态（SOC）进行状态分组确定电动汽车群可调容量。通过定义电动汽车调频能力参数和充电紧急程度参数，确定电动汽车调频优先级列表并提出功率分配策略；然后，基于电动汽车充电紧急程度和风电机组减负荷运行经济性，提出协同调频任务分配策略。
InfEHR：通过电子健康记录上的深度几何学习解决临床不确定性
1 美国纽约州纽约市西奈山伊坎医学院 Windreich 人工智能与人类健康系，2 美国纽约州纽约市西奈山伊坎医学院西奈山哈索普拉特纳数字健康研究所，3 美国纽约州纽约市西奈山伊坎医学院西奈山查尔斯布朗夫曼个性化医学研究所，4 美国纽约州纽约市西奈山伊坎医学院数据驱动和数字医学系，5 美国纽约州纽约市西奈山伊坎医学院重症监护医学研究所，6 美国纽约州纽约市西奈山伊坎医学院新生儿医学分部，7 美国纽约州纽约市西奈山伊坎医学院医学系，8 美国纽约州纽约市西奈山伊坎医学院外科系， 9. 美国纽约州纽约市西奈山伊坎医学院瓦伦丁·富斯特心脏病医院、10 美国马萨诸塞州剑桥麻省理工学院和哈佛大学布罗德研究所、11 美国马萨诸塞州剑桥哈佛大学哈佛数据科学计划、12 美国马萨诸塞州剑桥哈佛大学肯普纳自然与人工智能研究所
利用LLM进行ICD编码和不确定性估计
1简介1 1。1问题配方2 1。2研究问题3 2相关工作5 2。1 ICD编码的先前方法5 2。 1。 1传统的机器学习方法5 2。 1。 2深度学习方法6 2。 1。 3个大语言模型（LLMS）6 2。 2利用ICD代码层次结构进行距离计算8 2。 3在模型训练中解决非差异损失功能9 2。 4不确定性10 3方法13 3。 这项工作中使用的1个LLM 13 3。 2数据集16 3。 3数据处理16 3。 3。 1临床笔记处理16 3。 3。 2 ICD- 10代码处理17 3。 3。 3数据拆分17 3。 4 T 5-基本编码的模型17 3。 5使用t 5中的任务前缀进行ICD编码18 3。 6将ICD-10代码层次结构纳入培训过程18 3。 6。 1定义基于距离的损耗函数18 3。 6。 2克服解码模型输出的挑战23 3。 7用于ICD编码的微调T 5 24 3。 8评估指标24 3。 8。 1总距离（TD）24 3。 8。 2 ICD第2章（IIC）25 3。 8。 3无关的ICD块（IIB）25 3。 8。 4无关的ICD第三级（IIT）25 3。 9模型不确定性估计25 3。 10实验设置27 4结果29 4。 1数据分析结果29 4。 2。1 ICD编码的先前方法5 2。1。1传统的机器学习方法5 2。1。2深度学习方法6 2。1。3个大语言模型（LLMS）6 2。2利用ICD代码层次结构进行距离计算8 2。3在模型训练中解决非差异损失功能9 2。4不确定性10 3方法13 3。这项工作中使用的1个LLM 13 3。2数据集16 3。3数据处理16 3。3。1临床笔记处理16 3。3。2 ICD- 10代码处理17 3。3。3数据拆分17 3。4 T 5-基本编码的模型17 3。 5使用t 5中的任务前缀进行ICD编码18 3。 6将ICD-10代码层次结构纳入培训过程18 3。 6。 1定义基于距离的损耗函数18 3。 6。 2克服解码模型输出的挑战23 3。 7用于ICD编码的微调T 5 24 3。 8评估指标24 3。 8。 1总距离（TD）24 3。 8。 2 ICD第2章（IIC）25 3。 8。 3无关的ICD块（IIB）25 3。 8。 4无关的ICD第三级（IIT）25 3。 9模型不确定性估计25 3。 10实验设置27 4结果29 4。 1数据分析结果29 4。 2。4 T 5-基本编码的模型17 3。5使用t 5中的任务前缀进行ICD编码18 3。6将ICD-10代码层次结构纳入培训过程18 3。6。1定义基于距离的损耗函数18 3。6。2克服解码模型输出的挑战23 3。7用于ICD编码的微调T 5 24 3。8评估指标24 3。8。1总距离（TD）24 3。8。2 ICD第2章（IIC）25 3。 8。 3无关的ICD块（IIB）25 3。 8。 4无关的ICD第三级（IIT）25 3。 9模型不确定性估计25 3。 10实验设置27 4结果29 4。 1数据分析结果29 4。 2。2 ICD第2章（IIC）25 3。8。3无关的ICD块（IIB）25 3。8。4无关的ICD第三级（IIT）25 3。9模型不确定性估计25 3。10实验设置27 4结果29 4。1数据分析结果29 4。2。2实验结果30 4。1 LLM和ICD编码的输入长度的比较31 4。2。2比较ICD编码的不同块策略32
树下：自然资本对具有不确定性的宏观经济模型中阴影价格动态的影响
我们调查了将自然资本动态纳入不确定性的经济中最佳分配的影响。我们提出了关于自然资本的气候损害以及自然资本和其他生产投入之间替代弹性的新估计。使用这些估计值，我们检查了阴影价格在模型规格和参数c校准之间的变化。我们的发现表明，与标准骰子类型模型相比，在包含天然资本的模型中，碳的社会成本高12％。此外，碳的社会成本对替代的弹性高度敏感。生产力的随机性质进一步将碳的社会成本提高了0.13％至39％，具体取决于习惯形成。
缓解电池能源系统日前市场价格不确定性的运营规划策略
摘要 随着可再生能源变得越来越普遍，由于其固有的不确定性，有效的电网平衡变得至关重要。电池储能系统 (BESS) 可以通过补充这些可变能源来提高电网的可靠性和效率。然而，为了鼓励对 BESS 的投资，市场参与必须对所有者具有经济可行性。能源套利是 BESS 的主要收入来源之一，使他们能够在价格低时购买电力，在价格上涨时出售，从而优化收入。然而，在日前市场 (DA) 等能源市场中，BESS 所有者在交付前一天提交投标/报价，无法完美预测未来的价格。这种不确定性带来了挑战，限制了能源供应能力，并可能因价格预测不完善而导致利润损失。然后需要制定量身定制的策略来减轻这些不确定性并最大限度地减少利润损失。本文提出了参与 DA 的 BESS 的不同运营规划策略。特别关注所提出方法的可解释性，以确保高利润，同时降低模型的复杂性和计算时间。所提出的策略包括 1) 价格预测和场景生成，使用基于单点预测或历史数据的几何布朗运动 (GBM)；2) 优化过程；3) 选择最终实时应用的单个 BESS 竞标和运营计划。引入了两个基线，一个依赖于回溯法，另一个基于传统的随机优化。一些研究忽略了通过评估利润与实际价格来彻底评估竞标策略。因此，本研究评估了所提出的方法和基线相对于 2021 年法国市场在理想情况下获得利润的表现，并进行了完美的预测。
经济政策不确定性对德国经济的影响
通过媒体文章衡量的经济政策不确定性在德国一直很高。在乌克兰战争开始和能源危机之后，它急剧上升。最初随着能源价格下跌而下降后，自2023年春季以来，它再次出现了清晰的趋势（图1）。令人惊讶的是，自2022年以来，德国的经济政策不确定性显着高于邻国或全球范围内的经济政策不确定性，而在此之前，它的发展非常相似。高水平的不确定性会抑制整体经济活动，特别是通过阻止企业和私人家庭投资（Bloom 2009）。在本说明中，我们从经验上评估了增加的经济政策不确定性在多大程度上导致德国经济绩效疲软。
对电池健康降解的建模不确定性量化
我感谢总数数字平台的团队，然后感谢我论文的工业部分发生的总素，无论是在纳米诺诺夫，游乐场，下一个还是情节。感谢您的所有这些日常交流，在各种项目演示会议或Mathias，以及咖啡馆甚至Mario Kart附近。我还要感谢Saft的BMM团队对我们曾经的电池的热情欢迎和教学法。尤其是我感谢所有博士生，我们的长老，优化专家Naoufal，向我们展示了路；巴蒂斯特，谢赫纳和阿明，我与他们一起开始论文； Yagnik，Ali，Elie和Nouha渗透到了这些日子，在面对面（和外部）中献出了生命，所有这些讨论以及这些令人兴奋的多元文化交流；还有瓦西尔，哈立德和阿玛尔；所有这些博士旅行伴侣。
b“季度回顾 \xe2\x80\xa2 截至 2024 年 12 月 31 日的季度，摩根大通美国股票策略表现不及基准标准普尔 500 指数。 \xe2\x80\xa2 在医疗保健领域，我们对 Regeneron Pharmaceuticals 的增持导致业绩下滑。Regeneron 的股票表现下滑主要是由于对其眼药 Eylea 的竞争定位以及安进可能推出的生物仿制药的担忧。尽管报告了强劲的季度收入和收益增长，但 Eylea HD 的转换速度低于预期以及生物仿制药竞争的威胁带来了不确定性。该公司的财务业绩显示收入同比增长和收益增加，但这些积极的结果被市场对 Eylea 未来的担忧所掩盖。 \xe2\x80\xa2 在非必需消费品领域，我们对特斯拉汽车的减持导致业绩下滑。公司报告盈利稳健，由于成本降低和生产效率提高，毛利率和盈利能力有所改善。值得注意的是，特斯拉在其 Cybertruck 部门实现了盈利，并宣布了推出新款平价车型的计划。该公司推动对无人监管的全自动驾驶汽车进行国家监管，以及 2024 年美国总统大选对监管前景的影响进一步影响了股价表现。\xe2\x80\xa2 在金融方面，我们对富国银行的增持有助于提高业绩。由于投资者对放松管制和可能取消资产上限的乐观情绪，富国银行的股票表现有所改善。该公司报告的净收入和每股收益较上一季度增加，费用收入增长抵消了净利息收入的阻力。\xe2\x80\xa2 在信息技术领域，我们对 Marvell Technology 的增持有助于提高业绩。Marvell 的数据中心部门实现了显着增长，尤其是在定制人工智能 (AI) 硅片和光电方面。该公司报告称，收入同比和环比均大幅增长，每股收益显著提高。Marvell 与亚马逊网络服务 (Amazon Web Services) 的战略合作伙伴关系以及定制硅片项目的成功提升为其积极的财务业绩做出了贡献。由于产品组合，尤其是定制硅片的收入贡献增加，毛利率面临压力，但管理层已经充分传达了这种组合动态，因此投资者在很大程度上预料到了这一点。
b“季度回顾 \xe2\x80\xa2 截至 2024 年 12 月 31 日的季度，摩根大通美国股票策略表现不及基准标准普尔 500 指数。 \xe2\x80\xa2 在医疗保健领域，我们对 Regeneron Pharmaceuticals 的增持导致业绩下滑。Regeneron 的股票表现下滑主要是由于对其眼药 Eylea 的竞争定位以及安进可能推出的生物仿制药的担忧。尽管报告了强劲的季度收入和收益增长，但 Eylea HD 的转换速度低于预期以及生物仿制药竞争的威胁带来了不确定性。该公司的财务业绩显示收入同比增长和收益增加，但这些积极的结果被市场对 Eylea 未来的担忧所掩盖。 \xe2\x80\xa2 在非必需消费品领域，我们对特斯拉汽车的减持导致业绩下滑。公司报告盈利稳健，由于成本降低和生产效率提高，毛利率和盈利能力有所改善。值得注意的是，特斯拉在其 Cybertruck 部门实现了盈利，并宣布了推出新款平价车型的计划。该公司推动对无人监管的全自动驾驶汽车进行国家监管，以及 2024 年美国总统大选对监管前景的影响进一步影响了股价表现。\xe2\x80\xa2 在金融方面，我们对富国银行的增持有助于提高业绩。由于投资者对放松管制和可能取消资产上限的乐观情绪，富国银行的股票表现有所改善。该公司报告的净收入和每股收益较上一季度增加，费用收入增长抵消了净利息收入的阻力。\xe2\x80\xa2 在信息技术领域，我们对 Marvell Technology 的增持有助于提高业绩。Marvell 的数据中心部门实现了显着增长，尤其是在定制人工智能 (AI) 硅片和光电方面。该公司报告称，收入同比和环比均大幅增长，每股收益显著提高。Marvell 与亚马逊网络服务 (Amazon Web Services) 的战略合作伙伴关系以及定制硅片项目的成功提升为其积极的财务业绩做出了贡献。由于产品组合，尤其是定制硅片的收入贡献增加，毛利率面临压力，但管理层已经充分传达了这种组合动态，因此投资者在很大程度上预料到了这一点。
b'季度回顾 \xe2\x80\xa2 在截至 2024 年 12 月 31 日的季度中，摩根大通大型股增长策略的表现不及基准罗素 1000 增长指数。\xe2\x80\xa2 对 DR Horton 的增持是最大的拖累因素。第四季度上半段的疲软可归因于公司提供的需求前景较弱，而下半段的疲软则受美联储未来降息次数减少的潜在影响。\xe2\x80\xa2 对再生元制药的增持也导致股价下跌。该股下跌主要由于对其眼药 Eylea 的竞争定位以及安进可能推出的生物仿制药的担忧。尽管报告了强劲的第三季度收入和盈利增长，但向 Eylea HD 的转换速度低于预期以及生物仿制药竞争的威胁带来了不确定性。我们在本季度减持了 Regeneron 的持仓。\xe2\x80\xa2 对 Netflix 的增持是主要贡献者。稳健的第三季度业绩、好于预期的 2025 年指引以及新内容的持续成功，都推动了该股在本季度走高。该股仍是一只高信服的持股，截至 2024 年，增持程度最高。\xe2\x80\xa2 对默克的减持也贡献了股价，因为股价表现不佳。'
b'季度回顾 \xe2\x80\xa2 在截至 2024 年 12 月 31 日的季度中，摩根大通大型股增长策略的表现不及基准罗素 1000 增长指数。\xe2\x80\xa2 对 DR Horton 的增持是最大的拖累因素。第四季度上半段的疲软可归因于公司提供的需求前景较弱，而下半段的疲软则受美联储未来降息次数减少的潜在影响。\xe2\x80\xa2 对再生元制药的增持也导致股价下跌。该股下跌主要由于对其眼药 Eylea 的竞争定位以及安进可能推出的生物仿制药的担忧。尽管报告了强劲的第三季度收入和盈利增长，但向 Eylea HD 的转换速度低于预期以及生物仿制药竞争的威胁带来了不确定性。我们在本季度减持了 Regeneron 的持仓。\xe2\x80\xa2 对 Netflix 的增持是主要贡献者。稳健的第三季度业绩、好于预期的 2025 年指引以及新内容的持续成功，都推动了该股在本季度走高。该股仍是一只高信服的持股，截至 2024 年，增持程度最高。\xe2\x80\xa2 对默克的减持也贡献了股价，因为股价表现不佳。'
b'季度回顾 \xe2\x80\xa2 在截至 2024 年 12 月 31 日的季度中，摩根大通大型股增长策略的表现不及基准罗素 1000 增长指数。\xe2\x80\xa2 对 DR Horton 的增持是最大的拖累因素。第四季度上半段的疲软可归因于公司提供的需求前景较弱，而下半段的疲软则受美联储未来降息次数减少的潜在影响。\xe2\x80\xa2 对再生元制药的增持也导致股价下跌。该股下跌主要由于对其眼药 Eylea 的竞争定位以及安进可能推出的生物仿制药的担忧。尽管报告了强劲的第三季度收入和盈利增长，但向 Eylea HD 的转换速度低于预期以及生物仿制药竞争的威胁带来了不确定性。我们在本季度减持了 Regeneron 的持仓。\xe2\x80\xa2 对 Netflix 的增持是主要贡献者。稳健的第三季度业绩、好于预期的 2025 年指引以及新内容的持续成功，都推动了该股在本季度走高。该股仍是一只高信服的持股，截至 2024 年，增持程度最高。\xe2\x80\xa2 对默克的减持也贡献了股价，因为股价表现不佳。'
b'季度回顾 \xe2\x80\xa2 在截至 2024 年 12 月 31 日的季度中，摩根大通大型股增长策略的表现不及基准罗素 1000 增长指数。\xe2\x80\xa2 对 DR Horton 的增持是最大的拖累因素。第四季度上半段的疲软可归因于公司提供的需求前景较弱，而下半段的疲软则受美联储未来降息次数减少的潜在影响。\xe2\x80\xa2 对再生元制药的增持也导致股价下跌。该股下跌主要由于对其眼药 Eylea 的竞争定位以及安进可能推出的生物仿制药的担忧。尽管报告了强劲的第三季度收入和盈利增长，但向 Eylea HD 的转换速度低于预期以及生物仿制药竞争的威胁带来了不确定性。我们在本季度减持了 Regeneron 的持仓。\xe2\x80\xa2 对 Netflix 的增持是主要贡献者。稳健的第三季度业绩、好于预期的 2025 年指引以及新内容的持续成功，都推动了该股在本季度走高。该股仍是一只高信服的持股，截至 2024 年，增持程度最高。\xe2\x80\xa2 对默克的减持也贡献了股价，因为股价表现不佳。'