XiaoMi-AI文件搜索系统
World File Search System模型估计
2023-2024 年 Omicron XBB.1.5 的有效性 - ...
这项回顾性队列研究使用与索赔数据链接的 Veradigm Network EHR 来识别接种 mRNA-1273.815 疫苗（暴露）的≥18 岁美国成年人，并以 1:1 的比例与未接种 2023-2024 年更新的 COVID-19 疫苗（未暴露）的个体进行匹配。未暴露队列中的患者被随机匹配到符合条件的 mRNA-1273.815 接种者。使用治疗加权的逆概率来调整两个队列之间的差异。暴露队列在 2023 年 9 月 12 日至 2023 年 12 月 15 日之间接种了疫苗，并且两个队列中的个体都因 COVID-19 相关住院而接受随访，并在 2023 年 12 月 31 日之前接受 COVID-19 医疗救治。使用 Cox 回归模型估计风险比 (HR)。 mRNA-1273.815 疫苗在预防 COVID-19 相关住院治疗和任何需要就医的 COVID-19 方面的 VE 估计为 100*(1-HR)。对 ≥50 岁的成年人、≥65 岁的成年人以及患有与严重 COVID-19 结果相关的基础疾病的个体进行了亚组分析。
政府数字关注的碳减排效应
数字经济时代，提高政府对数字技术的采用和关注度，不仅有利于加快提升治理能力，也是实现经济绿色发展的重要举措。本文采用文本分析法测度了城市层面的政府数字关注度，并运用面板数据计量模型估计了政府数字关注度对碳减排的影响。研究结果表明，政府数字关注度可以通过提升政府低碳治理水平、强化公众低碳关注、激励企业低碳转型等方式显著减少二氧化碳排放，且政府数字关注度主要减少直接能源消费、交通运输和电力产品产生的二氧化碳。政府数字关注度的碳减排效应还受到市场化程度的影响，市场化程度高有助于强化政府数字关注度的减排效应，且政府数字关注度的减排效应存在空间异质性，在东部地区更为显著。研究结论对推动中国二氧化碳减排、实现高质量可持续发展具有重要启示。
从演示和偏好共同学习奖励和政策可以改善一致性
与人类的偏好和/或意图保持一致是当代基础模型的重要要求。为了确保对准，诸如人类反馈（RLHF）等流行方法将任务分为三个阶段：（i）基于大型示范数据的监督微调（SFT）计算的模型，（ii）基于人类反馈数据和（III II）的估计，（ii）将使用（III）估算了（ii II），以进一步的模型（RL）进一步估算了该模型（RL）。演示和人类反馈数据以不同的方式反映了人类用户的偏好。结果，仅从人类反馈数据获得的奖励模型估计可能不如从演示和人类反馈数据获得的奖励模型估计值那么准确。一种优化从演示和人类反馈数据获得的奖励模型估计值的政策模型可能会表现出更好的对齐性能。我们引入了一种可访问的算法，以找到奖励和政策模型并提供有限的时间绩效保证。此外，我们通过广泛的实验（包括LLMS中的比对问题和Mujoco中的机器人控制问题）来证明所提出的解决方案的效率。我们观察到，所提出的解决方案的表现优于现有的对齐算法。
人工智能的监管含义...
模型和算法 模型是流程的简化表示，重点关注建模者感兴趣的关键特征。例如，银行可能希望预测借款人拖欠贷款的可能性，或者保险公司可能希望预测保单持有人提出索赔的可能性。这可以通过将一段时间内对结果（借款人违约或不违约，或保单持有人索赔或不索赔）的观察与被认为影响结果的变量联系起来来实现。例如，贷款违约可能被认为取决于借款人的收入、就业和年龄等变量。模型参数（例如模型变量的权重）决定了每个变量如何影响建模结果。可以使用各种算法来估计模型参数的值，这些算法基于模型输入的“训练”数据集（例如，贷款违约/不违约的数据和影响违约的变量）将预测误差降至最低。算法对结果（因变量，例如贷款违约或保险索赔）与解释变量之间关系进行建模的能力因用于模型估计的算法而异。例如，线性回归假设解释变量与结果之间存在线性关系。或者，人工神经网络可以对模型变量和结果之间的几乎任何函数关系进行建模，包括复杂和非线性关系。在最后一步中，可以将估计的模型应用于解释变量的新数据以预测结果。
基于 OpenFOAM 的 3D 欧拉/拉格朗日飞机结冰模拟求解器的开发
摘要：在开源 CFD 工具箱 OpenFOAM 中开发了 3D 结冰模拟代码。采用混合笛卡尔/贴体网格划分方法来生成复杂冰形周围的高质量网格。求解稳态 3D 雷诺平均纳维-斯托克斯 (RANS) 方程以提供绕翼的集合平均流动。考虑到液滴尺寸分布的多尺度特性，更重要的是为了表示过冷大液滴 (SLD) 不太均匀的特性，实现了两种液滴跟踪方法：为了提高效率，采用欧拉方法跟踪小尺寸液滴（50 µ m 以下）；采用随机采样的拉格朗日方法跟踪大液滴（50 µ m 以上）；在虚拟表面网格上求解表面溢流的传热；通过 Myers 模型估计冰积聚；最后，通过时间推进预测最终的冰形。由于实验数据有限，分别使用欧拉法和拉格朗日法对二维几何的三维模拟进行验证。事实证明，该代码在预测冰形方面是可行的，并且足够准确。最后，给出了 M6 机翼的结冰模拟结果，以说明完整的三维功能。
数字平台中的佣金费用结构和创新
本文量化了数字平台中监管佣金费用的福利效应，重点是第三方应用程序开发人员的创新和定价决策。我从2018年10月至2024年2月在美国的Apple App Store中采用了音乐应用程序的全面数据集，以估算应用程序用户的需求和应用程序开发人员的成本参数。本文通过三个政策反事实模拟揭示了关键发现，我依次求解了最佳的创新和定价决策。首先，佣金的上限促进了第三方应用程序开发人员的创新努力，并改善了社会福利。第二，当平台在费用上限下添加单位费用计划时，开发人员通过提高应用内购买价格将部分将单位费用传递给应用程序用户。第三，平台对流媒体应用程序的假设收购导致了被收购应用程序的创新工作和市场份额的显着下降。值得注意的是，与全阶段模型估计相比，预计没有质量调整的福利分析将低估了费用上限对社会福利的影响0.91％-2.06％。这项研究强调了在评估数字平台中的监管干预时考虑质量变化以及价格波动的重要性。
经合组织国家的移民、融合和非正规经济
本文从宏观经济角度评估了移民和寻求庇护者流入对东道国非正规部门规模的影响。我们使用了 Medina 和 Schneider ( 2019 ) 以及 Elgin 和 Oztunali ( 2012 ) 提供的两个非正规性指标，结合了经合组织国际移民数据库的移民数据和联合国难民署 1997-2017 年期间的寻求庇护者流动数据。我们估计了一个一阶差分模型，通过从伪重力模型估计中得出的预测值来测量移民和寻求庇护者的流动。结果表明，移民和寻求庇护者的流入都会增加目的地非正规部门的规模，但影响程度非常小：移民占人口的比例每增加一个百分点，非正规部门占 GDP 的比例就会增加 0.05-0.06 个百分点。毫不奇怪，对于寻求庇护者而言，这种影响大约是其四倍，但在经济上仍然微不足道。我们调查了几种潜在渠道，发现融合政策确实很重要。我们发现，进口规范或制度没有影响，但在非正规部门规模较大的目的地国，这种影响更大。最后，我们估计了一个 VAR 模型，发现流入对非正规性的影响是长期的。
用户采用电动动力总成
摘要：本研究通过使用规定的选择调查表在2023年在四个欧洲国家中收集的大型数据集进行了离散选择实验，从而确定了影响汽车选择决策的主要因素。选择集包括六个当前和流行的汽车动力总成，其因素，用户特征和特定的地理环境有关，这可能会影响带有电动动力总成的车辆的采用。首先提出了一种易于适用的多项式logit模型，以探索所选属性的影响以及该模型具有不同激励策略，地理环境和能源价格的重现用户偏好的能力。引入了混合logit模型和分段的多项式logit模型，以考虑样本的异质性。第一个捕获了与激励措施和运营成本有关的受访者之间的偏好分散体。第二个专门根据汽车市场细分对用户进行了分类，显示出与购买成本和电池范围相关的因素的变化更大。模型估计了九个因素的重量，从而为有针对性的政策建议提供了支持。与成本相关的因素证实了其在选择中的相关性，分析表明，想要将其车辆范围提高1公里的用户愿意支付约80欧元。
生殖因子对前瞻性队列中缺血性心脏病的寿命累积影响
摘要目的本研究旨在基于较高的寿命雌激素暴露与较低的心血管风险有关的假设，旨在检查寿命雌激素暴露与缺血性心脏病（IHD）之间的关联。方法在2004 - 2008年，使用生殖寿命（RLS），内源性雌激素暴露（EEE）（EEE）和总雌激素暴露（TEE），评估了中国Kadoorie Biobank的绝经后女性中生殖因素的寿命累积暴露。EEE是通过减去RLS的妊娠相关和避孕持续时间来计算的，而Tee则通过添加相同的成分，除了哺乳外。在随访期间（2004- 2015年）中事件IHD。 分层的COX比例危害模型估计RLS，EEE和TEE的IHD的HR和95％CIS。 在118 855个绝经后女性中的结果，13 162（11.1％）在中位数为8。9年期间发展了IHD。 The IHD incidence rates were 13.0, 12.1, 12.5, 13.8 per 1000 person-years for RLS Q1–Q4, 15.8, 12.6, 11.3, 12.1 per 1000 person-years for EEE Q1–Q4 and 13.7, 12.3, 12.2, 13.4 per 1000 person-years for TEE Q1–Q4. RLS和TEE的最高四分位数（Q4）与IHD的风险较低（调整后的HR（AHR）0.95，95％CI 0.91至1.00和0.92，95％CI 0.88至0.97，相比之下，与最低的四分之一（Q1）相比。 更长的EEE显示出逐渐降低事件IHD的风险（AHR 0.93，95％CI 0.88至0.97; 0.88，95％CI 0.84至0.93; 0.87，95％CI 0.83至0.92 for Q2 – Q4 vs Q1）。 结论更长的RLS，TEE和EEE与中国绝经后女性的IHD风险较低有关。在随访期间（2004- 2015年）中事件IHD。分层的COX比例危害模型估计RLS，EEE和TEE的IHD的HR和95％CIS。在118 855个绝经后女性中的结果，13 162（11.1％）在中位数为8。9年期间发展了IHD。The IHD incidence rates were 13.0, 12.1, 12.5, 13.8 per 1000 person-years for RLS Q1–Q4, 15.8, 12.6, 11.3, 12.1 per 1000 person-years for EEE Q1–Q4 and 13.7, 12.3, 12.2, 13.4 per 1000 person-years for TEE Q1–Q4.RLS和TEE的最高四分位数（Q4）与IHD的风险较低（调整后的HR（AHR）0.95，95％CI 0.91至1.00和0.92，95％CI 0.88至0.97，相比之下，与最低的四分之一（Q1）相比。更长的EEE显示出逐渐降低事件IHD的风险（AHR 0.93，95％CI 0.88至0.97; 0.88，95％CI 0.84至0.93; 0.87，95％CI 0.83至0.92 for Q2 – Q4 vs Q1）。结论更长的RLS，TEE和EEE与中国绝经后女性的IHD风险较低有关。
研究文章优化了IEEE的功率损失预测...
抽象准确的功率损失估计对于有效的电力系统操作和计划至关重要。传统方法依赖于假设，导致不准确。这项研究采用了多层馈送神经网络（MFNN）来开发一个模型，该模型估计电力线中的真实和反应性损失。负载流技术用于获得训练多种模型的变量。调整神经元数并比较其他模型的性能指标后，选择了所需的模型。使用MATPOPTOR对118个BUS IEEE测试网络进行建模。Levenberg-Marquardt反向传播算法对生成数据训练了该模型。结果表明，25-神经元模型表现最好，在1000个时期达到了最小平方误差（0.00047543）。相关系数显示20个神经元和25个神经元模型的值为0.9999。分析确定了25个基于训练的模型是预测功率损耗的最准确的模型。据观察，25-神经元模型以1000个时期的最高相关系数（0.99999）达到了最佳性能（0.99999）和最小平方误差（0.00047543）。这项研究证明了ANN在估计传输线中功率损失方面的有效性。推荐的25个基于基于Neuron的训练有素的模型提供了研究模型的最佳预测，从而提高了电力系统效率和计划。关键字：神经网络，神经元，负载流，Levenberg-Marquardt，Newton Raphson