XiaoMi-AI文件搜索系统
World File Search System决策模型
![定量风险 - 决策模型和高级估计技术的使用[机器学习]](/simg/g:\will\search\icon\source\a\a5f4bcbda4eca001f0ae8920b074828b0af272f5.webp)
定量风险 - 决策模型和高级估计技术的使用[机器学习]
对银行风险管理的建模技术一直是重要的要素，在过去的二十年中，重点更加重视。银行机构在其资本计算，提供，预测和压力测试，定价和决策中使用了良好的风险量化方法。数据处理和计算能力的显着改善导致行业趋势不断提高，以在风险识别和量化中使用更先进的技术。在决策模型（非监管）模型领域的趋势最强。但是，EBA（欧洲银行管理局）和PRA（审慎监管机构）的最新出版物正在开发高级方法用例。对人工智能（AI）和机器学习（ML）方法的越来越重视强调了银行风险管理以了解高级建模技术的功能。
用于能源存储技术排名的多智能体决策模型
储能有助于解决可再生能源间歇性问题，并在向低碳社会过渡的过程中提供可靠稳定的能源供应。市场上现有的和正在开发中的储能技术 (EST) 都有各自的优势和劣势。为特定应用选择 EST 需要评估其各种特性。可持续储能的发展需要多标准方法和强大的决策支持系统。从多种替代方案中选择最佳 EST 时要考虑的因素包括能量密度、比能、循环效率、功率密度、比功率、技术就绪水平 (TRL)、电力/能源资本成本和寿命。本研究提出了一种多智能体环境中的模糊多标准决策方法。在标准或替代方案的评估模糊或不精确的情况下，决策模型中纳入了共识度量。本文提供了一个案例研究来展示此类排名方法的使用，这些方法可以指导决策者为固定电力应用选择最佳 EST。
结合注意机制和时空特征的端到端自动驾驶决策模型
摘要 自动驾驶决策是自动驾驶系统的重要组成部分，用于向无人驾驶车辆告知和更新目标运动情况。然而，由于野外动态交通场景中交通目标的尺度差异，端到端的自动驾驶决策仍然是一个巨大的挑战。针对这些问题，该文提出了一种结合注意机制和时空特征提取的新模型。具体而言，对于具有尺度差异的交通目标的重要空间信息，将高度H、宽度W和通道C的空间维度相互独立，以构建稀疏空间注意图。此外，通过在每个主干块的末端修剪特征图元素来训练空间网络，使空间网络的两个子网络的准确率分别提高了2.3%和3.9%。然后将提取出的空间信息与先前的速度作为输入联合输入到时间序列网络中，以获得车辆的转向角度和速度。在公开虚拟数据集上的实验表明，该模型的预测准确率达到85.8%，与其他SOTA模型相比，分别提升了4.8%和2.2%。
共同决策模型和成人戒烟率的关联：一项前瞻性队列研究
引言吸烟是一个严重的公共卫生问题。由于人口增长1，预计2025年有12.7亿人会吸烟1。与烟草有关的疾病，包括恶性肿瘤，心血管疾病和呼吸道疾病，每年1-6死亡超过800万。常见的停止方法是药物治疗，行为支持和动机支持7的结合7。通过提高药物依从性率，可以使6个月的戒烟率翻了一番8。行为咨询和药物治疗提高了一般成年人口的停止率，与最少的干预或通常的护理9相比，停止的停止率增加了82％。尼古丁替代疗法和非尼古丁药物疗法导致大约20％的戒烟率，并可能产生上升效应
一种决策模型，用于优先考虑缓解气候变化中的低碳政策
摘要：气候变化（CC）代表了最重要的环境挑战，需要部署可持续的低碳策略，尤其是在非洲等发展中。这项研究引入了一个新的决策框架，旨在增强政策的优先级，以应对CC的不利影响。拟议的两阶段模型采用了在球形模糊条件下（SF）条件下的渐进权重评估比分析（SWARA）和加权汇总的总和产品评估（WASPA）的整合，以解决可持续政策的战略测序。最初，SF-SWARA用于确定不同标准的相对意义。随后，SF-WASPAS方法对这些政策进行了排名，从而促进了明智的决策。所确定的主要障碍包括有限的机构能力，不足的财务资源和技术限制，提出了战略替代方案。此外，严格的灵敏度和比较分析肯定了该模型的适用性。通过系统地划定和优先确定必要的政策，本研究在非洲背景下对气候缓解（CM）的学术论述做出了重大贡献。
研究文章回顾影响不确定性条件下随机商业决策模型选择的关键因素
不确定情况下的决策是一项普遍存在的挑战，影响着不同领域的个人、组织和社会。虽然现有研究已经广泛探索了随机模型的技术复杂性，但它经常低估影响模型选择和实际应用的关键影响因素，例如组织动态、情境约束和个人技能限制。本研究回顾了现有文献，以揭示个人倾向、情境因素和情境条件如何共同推动不确定决策场景中的随机模型选择。该研究通过谷歌学术搜索引擎采用现有决策科学文献的叙述内容审查方法；选择与商业中随机决策模型的使用相关的同行评审学术期刊、会议论文集和意见论文。研究结果表明，虽然所有因素都会影响随机模型选择，但情境条件（尤其是组织文化和资源可用性）是最重要的。主要结论是，资源充足的支持性环境可增强 SBDM 的采用和适应性，而资源限制或抵制性文化往往会阻碍有效的 SBDM 利用。该研究为决策科学家、管理者和政策制定者提供了宝贵的见解，以培育开放和支持的组织文化，确保在相关软件、工具和员工培训上投入足够的资源，并解决背景限制。
ddm-lag：具有拉格朗日安全增强的自动驾驶汽车的基于扩散的决策模型
摘要 - 制作制作是自动驾驶汽车（AV）领域中的关键组成部分，在浏览自动驾驶的复杂性方面发挥了至关重要的作用。在数据驱动方法的不断发展的景观中，在复杂场景中提高决策绩效已成为一个著名的研究重点。尽管有相当大的进步，但目前的基于学习的决策方法仍具有改进的潜力，尤其是在政策表达和安全保证方面。为了应对这些挑战，我们介绍了DDM-LAG，这是一种扩散的决策模型，并以基于拉格朗日的安全性增强功能增强。这项工作认为自动驾驶中固有的顺序决策挑战是生成建模的问题，采用扩散模型作为吸收决策模式的媒介。我们为扩散模型介绍了混合政策更新策略，将行为克隆和Q学习的原理融合在一起，并制定了Actor-Citry-Clicer体系结构以促进更新。为了通过安全层增强模型的勘探过程，我们采用了基于拉格朗日放松的复杂政策优化技术，并采用了其他安全限制，以全面地完善政策学习努力。对我们提出的决策方法的经验评估是在一系列驾驶任务中进行的，这些任务的复杂性和环境环境不同。使用已建立的基线方法的比较分析阐明了我们的模型的出色性能，尤其是在安全性和整体功效的方面。
www.comdem.org eISSN：3008-1416 使用量子球面模糊决策模型对医院储能系统进行优化管理
本研究旨在确定优先策略，以提高医院储能投资的有效性。医院的高能耗增加了储能投资的重要性。为此，确定了影响医院储能投资的 5 个基于文献的标准。这些标准由量子球面模糊 DEMATEL 方法加权。另一方面，确定了 4 种不同的可再生能源替代品。用量子球面模糊 TOPSIS 方法对这些替代品的性能进行排名。确定存储容量是提高医院储能系统有效性的最关键因素。同样，技术基础设施是这一过程发展的另一个关键问题。然而，也可以看出安全问题、法律效力和财务状况的权重较低。此外，排名结果表明，风能是最适合医院储能性能的可再生能源类型。地热能也可以考虑用于这种情况。另一方面，太阳能和水力能源类型在此框架中表现较低。
基于机器学习的信贷风险量化研究
越来越重要。通过对机器学习相关知识的研究和学习，在对金融机构的信用数据进行相应的预处理以及数据集的分裂之后，本文构建了基于逻辑回归，SVM，随机森林等的多种风险定量决策模型。在研究并设置了功能指示器，模型参数和其他细节的选择后，根据培训集数据构建了风险量化决策模型，以判断信用客户的默认行为。然后，将测试集数据替换为模型，并将预测值与客户的实际还款情况进行比较，以验证模型的有效性。本文的研究和实验结果表明，通过构建风险定量决策模型来预测信贷客户的偿还，优化的随机森林模型和SGD分类器模型具有良好的词典效果，高可行性和准确性。当客户申请贷款业务时，他们只需要将相应的功能信息输入到预测模型中即可立即预先描述客户的默认情况。这在促进信贷风险的控制中起着重要作用，并且对中国金融信贷市场的稳定发展具有积极意义。
