XiaoMi-AI文件搜索系统
World File Search System序数
序数分类问题中的资源分配
在各种现实世界情景中，需要有限资源分配的序数分类任务很普遍。示例包括在医疗资源分配的背景下评估疾病严重程度，并将机器质量分类为在容量限制内安排维持治疗的好，中或坏。我们为方案提出了一个综合的分析框架，除了包括顺序分类问题外，由于资源限制而导致的类别样本的数量也有限制。该框架使用训练有素的序列分类器生成的概率矩阵作为具有最小错误分类成本目标和资源分配约束的优化模型的输入。我们将资源分配问题的制定与样本的配方与运输问题说明了等效，从而实现了我们解决方案的已建立运输启发式方法。为了证明框架的有效性和适用性，我们将其应用于表格数据和图像数据集中。所提出的框架的性能明显优于使用非字体分类器的替代常见方法，基于序的决策树模型的平均成本降低了1％，而有序神经网络的平均成本降低了4.4％。我们的结果表明，所提出的框架可以为序数分类问题提供有效的限量资源分配。我们的代码可从https://github.com/liorrabkin/hybrid- cost-Sentimentimization获得。
使用序数优先级方法的合奏排名
出版商已与总编辑一致。该文章被提交为客人编辑的问题的一部分。出版商的调查发现了许多文章，包括这篇文章，其中包括但不限于妥协的编辑处理和同行审查过程，不适当或不适合参考文献，或者不符合期刊或客人编辑的问题的范围。基于调查的发现，出版商与主编协商，因此不再对本文的结果和结论充满信心。
分析策略复杂程度的序数模型
在描述早期数学干预对儿童结果的影响时，研究人员通常依赖评估中正确答案的比例。在这里，我们建议将重点转移到问题解决策略的相对复杂程度上，并为有兴趣研究策略的研究人员提供方法指导。我们利用来自幼儿园样本的随机教学实验的数据，该实验的详细信息在 Clements 等人 (2020) 中概述。首先，我们描述我们的问题解决策略数据，包括如何以易于分析的方式对策略进行编码。其次，我们探索哪些类型的序数统计模型最符合算术策略的性质，描述每个模型对问题解决行为的暗示，以及如何解释模型参数。第三，我们讨论“治疗”的效果，将其操作化为与算术学习轨迹 (LT) 相一致的教学。我们表明，算术策略的发展最好被描述为一个连续的逐步过程，并且接受 LT 教学的儿童在后评估中使用更复杂的策略，相对于在针对目标的技能条件下的同龄人。我们引入潜在策略复杂性作为与传统 Rasch 因子分数类似的指标，并证明它们之间存在中等相关性（r = 0.58）。我们的研究表明，策略复杂性所包含的信息与传统的基于正确性的 Rasch 分数不同，但与之互补，这促使其在干预研究中得到更广泛的使用。
防止策略和高效的调解：序数市场...
∗ We thank Johannes H¨orner, Mehmet Ekmek¸ci, Kalyan Chatterjee, H¨ulya Eraslan, Paola Manzini, Utku ¨Unver, Tayfun S¨onmez, Rakesh Vohra, George Mailath, Vijay Krishna, Herv´e Moulin, Larry Ausubel, Michael Ostrovsky, Ed Green, Ron Siegel, Luca Rigotti, Sevgi Y¨uksel, Alexey Kushnir, Alex Teytelboym, William Thomson, Peter Troyan, Charlie Holt, Ruben Juarez, Francis Bloch, Leeat Yariv, Laura Doval, Piotr Dworczak, Nicholas Yannelis, and all seminar participants at Stanford (NBER Market Design ），纽约大学，赖斯，马里兰州，波士顿大学，匹兹堡大学，卡内基·梅隆，宾夕法尼亚州立大学（PETCO），弗吉尼亚州，弗吉尼亚州，达勒姆，悉尼，悉尼，悉尼大学，比尔肯特大学，比尔肯特大学，伊特，伊特，巴黎·多台恩，约克，达尔霍伊斯，苏塞克斯和许多有用的讨论和建议。Sel¸cuk ¨ Ozyurt especially thanks M. Remzi Sanver, David Pearce, Eric Maskin, Harvard Uni- versity Department of Economics, Tepper School of Business, and Sabancı University Economics Group for their mentoring, support and hospitality during this project, and the European Commission for the funding from Euro- pean Union Horizon 2020 research and innovation programme under the Marie Sklodowska-Curie grant agreement No 659780。†（通讯作者）悉尼大学经济学学院（onur.kesten@sydney.edu.au）•约克大学，经济学系（ozyurt@yorku.ca）1参见，例如，请参见Ali（2018），以进行最近的调解改革。
BOOST：使用序数优化进行微电网规模确定
摘要 — 向可持续能源系统的过渡凸显了微电网中可再生能源高效定型的迫切需求。特别是，设计光伏 (PV) 和电池系统以满足住宅负荷是一项挑战，因为需要在成本、可靠性和环境影响之间进行权衡。虽然之前的研究已经采用了动态规划和启发式技术来确定微电网的大小，但这些方法往往无法平衡计算效率和准确性。在这项工作中，我们提出了 BOOST，即电池-太阳能序数优化定型技术，这是一种用于优化微电网中 PV 和电池组件定型的新颖框架。序数优化能够以计算效率评估潜在设计，同时通过对解决方案进行稳健的排序来保持准确性。为了确定系统在任何给定时间的最佳运行，我们引入了一种混合整数线性规划 (MILP) 方法，该方法比常用的动态规划方法成本更低。我们的数值实验表明，所提出的框架可确定最佳设计，实现低至 8.84 ¢/kWh 的平准化能源成本 (LCOE)，凸显了其在经济高效的微电网设计中的潜力。我们的工作意义重大：BOOST 提供了一种可扩展且准确的方法，可将可再生能源整合到住宅微电网中，同时实现经济和环境目标。索引术语 — 微电网、序数优化、混合整数线性规划、动态规划
对具有单调最佳响应的游戏的实证分析的序数方法
natalia lazzati：nlazzati@ucsc.edu John K.-H. quah：ecsqkhj@nus.edu.sg koji shirai：kshirai1985@kwansei.ac.jp供有益的讨论和评论，作者感谢S. Berry，J.J.福克斯，K。Hirano，T。Hoshino，A。Kajii，Y。Kitamura，B。Kline，E。Krasnokutskaya，C。Manski，W。Newey，T。Sekiguchi，J。Stoye，J。Stoye，B。Stroulovici，B。Strulovici，S。Takahashi，Y。Takahashi，尤其是X. Tank。在以下活动中已向听众介绍了该项目的各种版本，我们感谢他们的评论：在阿里佐纳大学，约翰·霍普金斯大学，京都，卢旺斯（核心），纽约大学，赖斯大学，赖斯大学，西蒙大学，西米森大学，西米森·弗雷泽大学，新加坡大学，西北大学，陆军大学（dauphiai南加州，新加坡曼格大学，斯坦福大学，加州大学戴维斯分校，加州大学圣地亚哥分校，加拿大经济理论会议（Vancouver，2017年，2017年），不完整模型的计量经济学会议（Cemmap and Northwestern，2018年，2018年），第13大纽约大都会区的纽约市经济学社会（PRINCETICS COLLOETIC COLLOETICS MENCONER SUMICATIN） 2018）。koji Shirai在2019-2020学年的访问期间，感谢日本促进科学学会（Kakenhi 19K00155）的财务支持（Kakenhi 19K00155）和约翰·霍普金斯大学的款待。
超出序数：在政策分析中进行动物福利计数
动物福利通常使用顺序尺度评估。也就是说，标准福利评估工具相对于彼此的条件对彼此的条件排名，而没有声称一种条件比另一个条件更糟糕。但是，有些实际目的是序数不足，例如在政策分析中考虑动物福利。在这里，我认为，只要我们想要标准的政策分析工具以一种对范围敏感的方式来捕获对动物福利的影响，即以适当识别受影响动物数量的差异的方式，我们需要代表动物福利的方式来代表动物福利，而不是级别。然后，我简要地解释了一些在政策分析中扮演重要角色的经济学家如何在没有动物福利科学家，兽医和其他方面的协助下开始这样做。因此，这篇观点文章呼吁那些利益相关者，邀请他们与经济学家和政策分析师合作，以改善现有方法或开发满足当前需求的更好替代方案。
飞往序数的飞跃：通过灵活的建模方法脑损伤后详细的功能预后
1麻醉师，剑桥大学，剑桥大学，英国，2临床神经科学系，剑桥大学，剑桥大学，剑桥，英国剑桥大学，3个计算重症监护医学实验室，约翰斯·霍普金斯大学，巴尔的摩，巴尔的摩，美国医学博士，美国医学博士，4级，校长，斯特鲁尔，斯特鲁尔，斯特罗尔，斯特里尔，斯特里尔，斯特罗尔，斯特罗尔，斯特里尔，斯特罗尔，斯特罗尔，斯特罗尔，斯特罗尔，斯特罗尔，斯特里尔，斯特里尔，斯特里尔，斯特里尔，斯特里尔，斯特里尔，斯特里尔，斯特里尔，斯特林，斯特林，斯特林，斯特林，斯特林，斯特林，斯特林，斯特林，斯特林，斯特林，国王，镇上，镇上。霍普金斯大学，美国马里兰州巴尔的摩，美国六六六号生物医学数据科学系，莱顿大学医学中心，莱顿，荷兰，荷兰7，生理学和药理学系，围手术医学和重症监护局，Karolinska Institutet，Karolinska Institutet，Sweden，Sweden for Cambride Cambride Cambride Cambride Cambride Cambrige，cambride Cambride Cambrige inder>
序数逻辑回归分析影响糖尿病患者血糖水平的因素Mayawi 1，Nurhayati 2，Taufan Talib
文章历史本研究旨在通过顺序的逻辑回归分析分析糖尿病患者危险因素对血糖水平的影响。用作自变量的风险因素是年龄，性别，体重指数（BMI），血压，胆固醇水平（TC），低密度脂蛋白（LDL），高密度脂蛋白（HDL），甲状旁腺素钙蛋白激素（TCH）和触发甘油酯（LTG）。本研究中使用的数据是从https://hastie.su.su.domains/papers/lars/diabetes.data获得的。采集的样本数量是100名被诊断为糖尿病的受访者。结果表明，危险因素，例如年龄，体重指数（BMI），胆固醇水平（TC），低密度脂蛋白（LDL），高密度脂蛋白（HDL）和血清甲状腺甲状腺质蛋白质激素（TCH）类型，对糖尿病患者的血液糖水平产生了重大影响。序数逻辑回归的最佳logit模型是logit 1，即𝒈（𝒙𝒙）= −𝟐。𝟕𝟐𝟏𝟎𝟎。𝟎𝟕𝟗𝟏 +𝟐。𝟖𝟏𝟑𝟑 +𝟎。𝟏𝟎𝟎𝑿−𝟎。𝟎𝟗𝟗𝑿−𝟎。𝟏𝟏𝟗𝑿−𝟎。𝟗𝟖𝟗𝟗𝟖𝟗𝟖𝟖𝟖𝟖𝟖𝑿和logit 2是𝒈（𝒙𝒙）= −𝟖。𝟓𝟕𝟏−𝟎。𝟎𝟕𝟗𝟏 +𝟐。𝟖𝟏𝟑𝟑 +𝟎。𝟏𝟎𝟎𝑿−𝟎。𝟎𝟗𝟗𝑿−𝟎。𝟏𝟏𝟗𝑿−𝟎。𝟗𝟖𝟗𝟗𝟖𝟗。可以得出结论，可以使用序数逻辑回归分析来识别影响糖尿病患者血糖水平的因素，并有助于制定更有效的管理和干预策略。
量子信息是无限集合或系列的信息
摘要：量子力学引入的量子信息相当于经典信息的某种推广：从有限到无限的序列或集合。信息量是以基本选择为单位测量的选择量。“量子比特”可以解释为“比特”的推广，即在一系列备选方案中进行选择。选择公理对于量子信息是必要的。相干态在测量后随时间转变为有序的结果序列。量子信息量是与所讨论的无穷序列相对应的超限序数。超限序数可以定义为模糊对应的“超限自然数”，将皮亚诺算术的自然数推广到“希尔伯特算术”，从而实现了数学和量子力学基础的统一。