XiaoMi-AI文件搜索系统
World File Search System权衡
GPU 功率上限用于权衡能源性能...
摘要。本文介绍了用于图像识别的深度卷积神经网络训练的性能-能量权衡研究。使用配备 Nvidia Quadro RTX 6000 和 Nvidia V100 GPU 的系统测试了几种具有代表性且广泛采用的网络模型，例如 Alexnet、VGG-19、Inception V3、Inception V4、Resnet50 和 Resnet152。使用 GPU 功率上限，我们发现除了默认配置之外，还可以最小化三个不同的指标：能量 (E)、能量延迟积 (EDP) 以及能量延迟总和 (EDS)，从而节省大量能源，EDP 和 EDS 的性能损失较低到中等。具体来说，对于 Quadro 6000 和最小化 E，我们获得了 28.5%–32.5% 的节能效果；对于 EDP，我们获得了 25%–28% 的节能效果，平均性能损失为 4.5%–15.4%；对于 EDS (k=2)，我们获得了 22%–27% 的节能效果，平均性能损失为 4.5%–13.8%。对于 V100，我们发现平均节能效果为 24%–33%；对于 EDP，我们获得了 23%–27% 的节能效果，平均性能损失为 13%–21%；对于 EDS (k=2)，我们获得了 23.5%–27.3% 的节能效果，平均性能损失为 4.5%–13.8%。
重新审视失业交易权衡
JEL classification: D84, E24, E31, E32, J11 Key words: Phillips curve, unemployment, inflation, natural rate of unemployment, expectations _________________ Crump: Federal Reserve Bank of New York (email: richard.crump@ny.frb.org).Eusepi，午：德克萨斯大学奥斯汀分校（电子邮件：stefano.eusepi@austin.utexas.edu，aysegul.sahin@austin.utexas.edu）。 Giannoni：Barclays（电子邮件：mpgiannoni@gmail.com）。 马克·吉安诺尼（Marc Giannoni）在达拉斯联邦储备银行的雇员时为本文做出了贡献。 本文最初是在2021年1月3日关于“衡量失业差距”的ASSA会议上发表的。作者感谢Emmanuel Saez和Pascal Michaillat组织了会议，Regis Barnichon进行了讨论。 他们还要感谢他们的编辑里卡多·里斯（Ricardo Reis），匿名裁判，他们的讨论者乔迪·加里（JordiGalí）和乔纳森·哈泽尔（Jonathan Hazell）以及2022年JME-SNB-SCG会议的参与者。 此外，他们感谢爱德华·尼尔森（Edward Nelson）对历史通货膨胀动态解释的有益评论。 Jin Yan，Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。Eusepi，午：德克萨斯大学奥斯汀分校（电子邮件：stefano.eusepi@austin.utexas.edu，aysegul.sahin@austin.utexas.edu）。Giannoni：Barclays（电子邮件：mpgiannoni@gmail.com）。 马克·吉安诺尼（Marc Giannoni）在达拉斯联邦储备银行的雇员时为本文做出了贡献。 本文最初是在2021年1月3日关于“衡量失业差距”的ASSA会议上发表的。作者感谢Emmanuel Saez和Pascal Michaillat组织了会议，Regis Barnichon进行了讨论。 他们还要感谢他们的编辑里卡多·里斯（Ricardo Reis），匿名裁判，他们的讨论者乔迪·加里（JordiGalí）和乔纳森·哈泽尔（Jonathan Hazell）以及2022年JME-SNB-SCG会议的参与者。 此外，他们感谢爱德华·尼尔森（Edward Nelson）对历史通货膨胀动态解释的有益评论。 Jin Yan，Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。Giannoni：Barclays（电子邮件：mpgiannoni@gmail.com）。马克·吉安诺尼（Marc Giannoni）在达拉斯联邦储备银行的雇员时为本文做出了贡献。本文最初是在2021年1月3日关于“衡量失业差距”的ASSA会议上发表的。作者感谢Emmanuel Saez和Pascal Michaillat组织了会议，Regis Barnichon进行了讨论。他们还要感谢他们的编辑里卡多·里斯（Ricardo Reis），匿名裁判，他们的讨论者乔迪·加里（JordiGalí）和乔纳森·哈泽尔（Jonathan Hazell）以及2022年JME-SNB-SCG会议的参与者。此外，他们感谢爱德华·尼尔森（Edward Nelson）对历史通货膨胀动态解释的有益评论。Jin Yan，Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。Jin Yan，Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。
碳捕获和存储在实现净零能源系统中的作用：经济学与环境之间的权衡
碳捕获和储存既可以减少温室气体的排放，又可以提供负排放，以促进向零净社会的过渡。在跨部门能源系统模型中研究了碳捕获和储存的贡献。但是，这种模型通常专注于成本和温室气体的排放，而仅研究单个技术的更广泛的环境影响。在这里，我们通过将能源系统建模与生命周期评估相结合，分析了向零排放的经济和环境影响。我们专注于二氧化碳存储对经济或环境影响的含义。在我们对德国能源系统的过渡到2045年的调查中，零排放需要最少的碳捕获和储存量。然而，通过避免投资于材料密集型技术，例如在具有低发电潜力的领域的领域，将二氧化碳储存量增加到最低量的最低量显着降低了16个影响类别中13个影响类别中的成本和环境影响。在没有电力进口的情况下，二氧化碳存储在2045年的118吨至379吨之间，当二氧化碳存储量最小化时，成本增加了105％。为消除储存的最后23吨二氧化碳而产生的成本增加84％。应用碳捕获和存放的好处是可再生电力进口和需要补偿的残余排放量的变化。因此，结果表明，碳捕获和储存可以在过渡到温室气体排放以外的净零能源系统中提供经济和环境利益。
福祉经济政策之间的权衡与冲突
您正在开展一个会议来规划权衡和矛盾。您决定要调查住房和住房政策领域。首先，您需要定义跨领域目标（本指南中的第 1 步）。考虑到这一点，您定义您正在研究“住房政策如何支持建设幸福经济”。在此基础上，您可以评估政策目标和工具之间的相互作用，以确定它们预期贡献之间的权衡和矛盾。
引用（APA）：Ehrari，H.，Ulrich，F。，＆Andersen，H。B.（2020）。信息技术接受的关注和权衡：TH
在本文中，我们提出了一种新的动机模型，通过将自决理论（SDT）与统一的技术接受和使用理论（UTAUT）融合在一起。使用探索性方法，我们研究了人类动机决定因素如何影响技术接受的安全与隐私之间的权衡。我们将斯堪的纳维亚医疗保健环境作为我们的经验开始，并探讨了丹麦老年人如何看待基于传感器的电子卫生监测器技术来监视其健康状况。丹麦市政当局已开始使用这些技术来识别预警信号，从而通过使人们更加自力更生和减少不必要的住院来提高护理和生活质量。但是，在实施这些技术时，需要考虑有关隐私与安全的道德问题。在监视了21名受访者（平均年龄：85）之后，在九周内独立生活在家中，我们就他们对隐私和安全的担忧进行了采访。我们发现，如果受访者尊重自主权和个人诚信，以及基于传感器的监控的好处超过与健康相关的威胁，则受访者愿意妥协其隐私。我们使用这些发现和理论的开始来创建一种新颖的模型，该模型在使用UTAUT时考虑了人类的动力。
计算发现具有最佳刚度阻止权衡的微观结构复合材料
僵硬与韧性之间的冲突是工程材料设计中的基本问题。，从未证明过具有最佳刚度阻止权衡取舍的微观结构化合物的系统发现，这受到模拟与现实之间的差异以及对整个Pareto阵线的数据有效探索之间的差异的阻碍。我们引入了一条可推广的管道，该管道将物理实验，数值模拟和人工神经网络集成以应对这两个挑战。没有任何规定的材料设计专家知识，我们的方法实现了嵌套循环提案验证工作流程，以弥合模拟到现实差距，并找到微观结构化的复合材料，这些复合材料僵硬而坚硬，具有较高的样品效率。对帕累托最佳设计的进一步分析使我们能够自动识别现有的韧性增强机制，这些机制以前是通过反复试验，错误或仿生物质发现的。在更广泛的规模上，我们的方法为除固体力学外的各种研究领域（例如聚合物化学，流体动力学，气象学和机器人学）提供了计算设计的蓝图。
通过差异隐私探索AI驱动的医疗保健中的准确性和隐私权衡
摘要：随着新出现的AI能力增加在医疗保健领域中，侵犯用户隐私的潜力，道德问题和最终对用户的危害是威胁到这些能力成功且安全采用这些能力的最重要的关注点。由于这些风险 - 滥用这些高度敏感的数据，不适当的用户概况，缺乏足够的同意和用户不认识都是所有因素必须牢记以实现“在建立这些功能”时实现“逐个设计”，以实现医疗目的。本文旨在查看该领域最高的隐私和道德问题，并提供建议以减轻其中一些风险。我们还提出了差异隐私的技术实施，以证明将噪声添加到健康数据中如何显着改善其隐私，同时保留其效用。
管理空间可持续性权衡：以风力发电为例
第 1 组 第 2 组 第 3 组 第 4 组 第 5 组 风力发电量 0,80 0,10 0,54 -0,32 0,53 负荷接近度 -0,10 0,67 0,18 0,55 0,42 自然与景观冲突 -0,79 0,10 -0,52 0,19 -0,49 风力发电容量潜力 0,05 0,06 0,17 0,51 0,06 表 2：各组选择的风力发电容量空间分配之间的相关系数 𝑟𝑟 𝑥𝑥 𝑖𝑖 𝑔𝑔 ,𝑦𝑦 𝑖𝑖 𝑣𝑣
开放经济体的货币政策冲击与通胀失业权衡：欧元区案例
摘要：本文表明，为了正确识别欧元区货币政策冲击，需要处理欧洲央行和美联储之间的相互作用。换句话说，正确识别欧元区这样的开放经济体的货币政策冲击需要考虑美国的政策利率。事实上，当我们将联邦基金利率从包括一组欧元区变量（即 Eonia、通货膨胀和失业）的估计 VAR 模型中排除时，我们发现通货膨胀对紧缩性货币政策冲击的反应存在错误迹象。此外，即使加上世界石油价格也无助于克服这一问题。相反，对于涵盖 1999-2019 年期间的样本，当将联邦基金利率和欧元-美元汇率添加到 VAR 模型中时，通货膨胀在两年内显示出统计上不显著的影响，此后下降。在这种模型规范下，出现了明显且显著的失业通货膨胀权衡。在VAR模型中，使用工业生产代替失业率可以证实这些结论。
Fecundity-Immunity权衡的强度调节宿主进化动力学，病原体传播和宿主丰度
图2：此数字描述了繁殖力转移权衡。面板A显示了繁殖力（黑色曲线）和传输（蓝色曲线）作为在资源分配轴x上的主机位置的函数。黑色和蓝色的垂直线分别表示最佳的繁殖力（X F）和免疫（Xβ）的位置。Optima之间的距离，| x f -xβ| ，固定权衡强度，如面板b所示。参数：x f = 0，σf = 1，f max = 1，σβ= 1，βmax = 1，qβ= 1，qβ= 1，xβ= 2在面板A和xβ= 1上。3，1。8，2。3，2。9和3。5在面板上b。