XiaoMi-AI文件搜索系统
World File Search System可观察的
评估新一代智能变电站的继电器保护设备状态的策略
随着电网的快速发展，变电站中二级系统的结构和技术也在不断创新。新一代的智能变电站已为二级设备实现了在线监视功能，使继电器保护设备的某些状态变量成为可观察的指标。基于此，本文提出了一种新颖的继电器保护设备状态评估策略。首先，考虑了继电器保护评估水平边界划分的模糊性和不确定性，已经提出了基于正常云模型的中继保护风险评估方法。因此，由于历史统计数据的特殊性，采用了一种结合分析层次结构过程（AHP）和熵权重方法的权重计算方法，以消除权重计算过程中的主观因素。同时，设备操作风险水平是通过计算每个指标的相应评估水平的确定性来确定的。最后，在案例研究中，提出的方法用于评估继电器保护设备的状态，并通过分析结果来验证该方法的可行性和准确性。
Terahertz Josephson Echo Spectroscopicy探测了不均匀的铜酸盐超导性
不均匀性对量子材料的特性至关重要，但是可以测量它们的方法仍然有限，并且只能访问相关可观察的一小部分。例如，诸如扫描隧道显微镜之类的局部探针已经证明，在纳米长度尺度上，丘比特超导体的电子特性是不均匀的。但是，需要解决高阶相关性的互补技术以阐明这些不均匀性的性质。此外，局部隧道探针通常仅远低于临界温度。在这里，我们开发了一种二维的Terahertz光谱法，以测量来自近乎掺杂的丘陵中层间间的隧道共振的Josephson等离子体回声。这项技术使我们能够研究材料中层偶联的多维光学响应，并从外部无均匀的无均匀宽扩展中拓宽了材料中的固有寿命扩大，以实现中间层间隧道隧道。我们发现，不均匀的扩展持续到临界温度的很大一部分，而这在高于热量增加的寿命拓宽之上可以克服。
TIL5060：飞行选择行为中的风险感知
本报告讨论了感知安全 (PS) 在航班选择中的作用。在商业航空旅行中，机票价格、旅行时间、舒适度和其他可观察的航班特征通常被用作影响潜在乘客预订航班选择的属性。然而，安全或风险并不总是包含在航空旅行乘客的选择模型中，更不用说乘客对安全性的看法了。之所以没有包括这种安全感知，是因为它很难量化，因为潜在乘客会自行决定。航空运输中存在客观风险，但潜在乘客通常不知道这些风险，因此他们的安全感知中不包括这些风险。为此，本研究提出了包括安全感知的实验，以便人们可以估计人们愿意在多大程度上牺牲舒适度、时间和成本来提高感知安全。其次，研究了哪些飞行特征因素对安全感知的影响最大。结合实验，可以确定支付意愿 (WTP)，这表明潜在乘客愿意为改变安全属性的措施支付多少钱。
印度洋表面淡水通量偏见对AMOC
使用概念模型（Cessi，1994; Cimatoribus等，2012）和完全占地的海洋气候模型（De Niet等，2007; Toom et al。，2012; Mulder等，2021）。这些研究的重要结果之一是（在这些模型中）的存在与可观察的数量有关（Rahmstorf，1996），现在通常称为AMOC稳定性（或制度）指标。该指标在文献中具有许多不同的符号，例如m ov（de Vries and Weber，2005）或F ov（Hawkins等，2011）。在这里，我们将遵循Weijer等人。（2019）并使用f ovs（f ovn）作为AMOC在大西洋盆地的35°S（60°N）的南部（北部）边界上携带的淡水运输（Dijkstra，2007; Huisman et al。，2010; Liu et al。，2017）。可用的观察结果（Bryden等，2011）表明，当今的AMOC将淡水从大西洋出口（F OVS <0）。众所周知，F ovs忽略了一些相关的过程（Gent，2018），但是如果人们接受f ovs是适当的指标，则AMOC基于其观察到的价值（Weijer等，2019）。
具有深层生成模型的材料动力学分析
研究材料动力学对于预测各种条件下的降解，失败和特定行为至关重要，实现了有效的材料设计，增强的表现以及推动材料科学的创新。显微镜技术已经有效地提高了体验，以记录实验进展过程中材料的动态演变。然而，显微镜图像的实验观察是固有的偏见，以推动后续分析到可观察的行为并排除在未观察到的情况下的行为。为了解决这个问题，我们设计了一个分析框架 - 整合了深层生成模型，以合成在现实的实验条件下可能出现的假设材料状态。这种方法可以使蒙特卡洛模拟由动态进展驱动的物质状态变化，反映出更广泛和预测的动态行为。应用于各种显微镜图像数据集，我们的框架有效地发现了材料科学实验中隐藏的物理性质。此外，这项研究支持向数据驱动的方法论转变，并主张采用深度学习技术来促进材料科学领域的创新研究实践。
Adam N. Elmachtoub
我们在市场上研究持续的时间平均变化投资组合选择，这些市场是由可观察的因素驱动的股价扩散过程，这些因素也是扩散过程，但这些过程的系数尚不清楚。基于最近开发的扩散过程的强化学习理论（RL）理论，我们提出了一种通用数据驱动的RL算法，该算法直接学习了预先合同的投资策略，而无需尝试学习或估计市场系数。对于没有因素的多股黑色 - choles市场，我们进一步设计了一种基线算法，并通过在Sharpe比率方面获得了Sublinear后悔来证明其性能保证。为了提高性能和实践实施，我们将基线算法修改为四种变体，并进行了广泛的经验研究，以与许多共同指标相比，将其绩效与大量广泛使用的投资组合分配策略在S＆P 500成分上进行比较。结果表明，连续的RL策略始终是最佳的，尤其是在动荡的熊市中，并且果断地超过了基于模型的连续时间对应物的大幅度利润率。
意识形态是否会影响气候和可再生能源政策的野心水平？ fou
摘要我们调查了政治意识形态是否对四个欧洲国家的电力系统平衡技术的偏好对DEC雄心化的野心，可再生能力的目标以及对电力系统平衡技术有了可观察的影响。基于能源逻辑框架，我们确定了在政府政策和反对党计划中包含的意识形态上不同的过渡案例（以国家为中心，以市场为中心，以基层为中心），在2019年有效。我们通过公民民意调查数据来制定这些政策和计划。我们发现意识形态的影响很小：整个范围内的政府和政党具有相似，雄心勃勃的，脱碳和可再生能源的焦油。这反映了公民对雄心勃勃的行动的强烈支持，无论他们的意识形态自我描述如何。然而，尽管在整个政策领域中，逐步淘汰化石燃料动力的政治立场是明确的，但在平求平衡的新灵活性方案以平衡间歇性可再生能源的位置却模糊或不存在。作为当事人和公民同意强烈的气候和可再生能力的目标，即使政府改变了政策的野心，也可能会保持较高的态度。
布鲁塞尔自由大学 AI 工具箱 Bargiacchi, Eugenio
存在几个与 AI-Toolbox 功能部分重叠的库。MADP（Oliehoek 等人，2017）是最著名的工具箱之一。它用 C++ 编写，面向多智能体部分可观察模型，并提供多种算法。MADP 是面向对象的，因此类的层次结构很大，而 AI-Toolbox 的设计更紧凑。此外，MADP 没有 Python 绑定。BURLAP 是一个用于强化学习和规划的广泛的 JAVA 库。它包含可视化环境的代码，可与 ROS 框架一起使用（Quigley 等人，2009）。它主要关注完全可观察的环境，而 AI-Toolbox 包含多种最先进的 POMDP 算法。pomdp-solve 是 Anthony Cassandra 编写的 C 库，其中包含相对较旧的 POMDP 算法（最新的算法发表于 2004 年）。它还需要商业许可的 CPLEX 线性规划求解器。MDPToolbox（Chades 等人，2014 年）是用于单代理 MDP 算法的 MATLAB 工具箱。相比之下，AI-Toolbox 还支持 bandits、POMDP 和 MMDP 算法。还有其他工具箱，例如 PyMDPToolbox、JuliaPOMDP（Egorov 等人，2017 年）、ZMDP 和 APPL，但它们的范围比 AI-Toolbox 小得多。
识别和量化人员技能差距
在特定环境或一组环境中，工作和工作场所数据内容要求的多方面集合，用于支持人力、培训和 HIS 分析。HCO 由 SkillObjects TM 组成。JASS 职务评估选拔软件。美国陆军在 20 世纪 80 年代开发的一种程序，用于对工作进行分类和比较。知识一个人通过经验或教育获得的信息和事实。对某一特定主题的透彻理解 (Wilson 等人，2012 年)。KSAO 知识、技能、能力和其他 KSA 知识、技能和能力。MOS 军事职业专长。陆军用来对工作进行分类的分组。可靠性测试在反复对同一个人进行测试时能够可靠地产生相同结果的能力。技能差距对该职位人员目前不具备的技能的要求。技能做好某事的体力、口头或心理能力。(Wilson 等人，2012 年)。 SkillObjects TM 可观察的职业技能，包含工作层面和上下文工作元素的独特知识、技能、能力、工具、任务和资源 (KSATTR)。
调查抵押贷款率机器学习模型中的偏见
银行和金融科技贷方越来越多地依靠计算机辅助模型在贷款决策中。传统模型是可以解释的：决策是基于可观察的因素，例如借款人的信用评分是否高于阈值，并且可以用这些因素的组合来解释。相比之下，现代机器学习模型是不透明的且不可解剖的。他们对过去种族歧视的人工制品的不透明和依赖历史数据意味着这些新模型有可能嵌入并加剧这种歧视，即使贷方不打算歧视。我们使用公开可用的HMDA贷款数据和公开可用的Fannie Mae贷款绩效数据来校准两个随机的森林分类器。我们使用两种可解释的人工智能（XAI）模型，即石灰和塑形，以表征哪些功能驱动这些校准的ML贷款模型产生的决策。我们的初步发现表明，当模型访问此类信息时，各种种族因素在模型中的决策过程中产生了重大影响，如接受HMDA数据培训的模型所示。这些结果突出了需要进一步研究以深入了解和解决这些影响的必要性。