XiaoMi-AI文件搜索系统
World File Search System自回归
区域经济和金融互联互通与制裁的影响：以独立国家联合体为例
摘要：乌克兰战争以及世界许多国家直接和间接地卷入这场冲突的政治、经济和金融，表明了建立新世界秩序的艰难过程。美国、欧盟及其盟国已经对俄罗斯实施了 10,000 多项制裁。许多国家都受到制裁的严重影响，无论它们是实施制裁、被制裁，还是与其中一方或双方都有经济和贸易伙伴关系。独立国家联合体 (CIS) 国家受到与俄乌战争有关的制裁的严重影响。估计中使用了季节性调整后的实际季度时间序列，包括国内生产总值和对外贸易、月名义汇率时间序列、制裁的外生虚拟变量以及向量自回归模型和 Granger 因果关系检验的组合。我们展示了制裁如何影响俄罗斯经济和外汇市场，以及其影响如何蔓延到其他独联体国家的经济和外汇市场。根据研究结果和当前该地区及世界政治经济状况，提出有助于改善独联体国家国际经济贸易政策的建议。
通过射线追踪表征室内无线信道...
摘要 — 我们研究了无线电信道模拟器在预测特定环境中的信道响应方面的可靠性。已知表面几何布局和材料特性的室内环境适合进行这种特定场地的模拟。我们通过将其预测与特定静态环境中的测量值进行比较来评估该方法的性能。在测量和模拟的一组路径上，路径损耗、Ricean K 因子和 RMS 延迟扩展具有良好的一致性，这表明可以使用设计良好的无线电模拟器可靠地预测系统行为。通常，通过这种或类似技术获得的无线信道模型不会捕捉由于环境中人员移动而导致的信道响应的时间变化。我们使用随机过程处理信道响应的时变部分。通过对几种典型办公场景进行信道探测实验，我们表明自回归过程可用于为几种不同的运动场景建模随时间变化的抽头增益。
通货膨胀影响经济增长
经济增长是每个国家发展的关键组成部分，因为它在消除贫困的同时提高了生活水平和其他相关问题。作为一个发展中国家，斯里兰卡必须更加重视实现可持续的经济增长。此外，各种因素对经济增长都有积极和消极的影响。因此，任何经济体的具体目标都是维持长期经济增长和低通胀。因此，一般来说，高通胀对经济是破坏性的，而低通胀是有益的。因此，在稳定的通胀水平下，值得研究通胀对经济增长的影响。本研究采用自回归分布滞后模型作为估计技术，考察了通胀对斯里兰卡经济增长的影响。此外，研究结果表明，短期内通胀与经济增长呈负相关关系；当通胀率上升 1% 时，经济增长将下降 34.2794 亿美元，长期经济增长将下降 1072.638 亿美元。因此，结合斯里兰卡当前的经济现实，宏观经济政策应保持稳定，实现经济可持续发展。
可再生能源和自然资源对...的影响
中国的经济进步不可否认，然而，环境质量恶化是需要解决的首要问题。近几年来，中国立法者一直致力于通过保护自然资源和确保可再生能源消费来促进绿色转型。因此，本研究探讨了可再生能源、自然资源绿色创新和经济增长对中国生态足迹的影响。采用引导自回归分布滞后 (ARDL) 模型，选取 1990 年第一季度至 2020 年第四季度的季度数据。结果表明，通过加强绿色创新，中国可以将其经济转变为清洁的环境。同样，有效利用可再生能源消费对于长期减少生态足迹是必不可少的。此外，误差修正项 (ECT) 显着为负，证实了模型变量之间存在稳定的长期均衡关系。短期内也发现了类似的结果；然而，从长远来看，所有变量的边际影响都更强。这意味着，中国必须进行长期规划，才能从可再生能源和绿色技术中获得最大利益。
经济：SVAR A
本研究首次通过结构向量自回归分析，实证检验了 1992 年第一季度至 2018 年第三季度期间全球经济、政治和地缘政治不确定性 (GEPGU) 对土耳其经济的同步影响。本研究的证据表明，GEPGU 在短期和/或长期内对土耳其经济的主要宏观经济指标（通货膨胀率、利率、失业率、汇率、经常账户余额和经济增长）具有负面且量化显著的影响。这些发现表明，GEPGU 是一个潜在的重要外部因素，可能会破坏土耳其经济的复苏进程。因此，除了积极主动和温和的外交政策外，土耳其政策制定者还应扩大或重新设计传统的财政和货币政策，以立即应对外部不稳定因素，并减少经济必须承受的现有 GEPGU。关键词：经济不确定性、政策不确定性、地缘政治不确定性、土耳其经济、SVAR 分析、主成分分析 JEL 分类：C22、D81、E60、O50
与潜在的动力学残差适应世界模型
模拟对真实性增强学习（RL）面临着核对模拟和现实世界中的差异的关键挑战，这可能会严重降级剂。一种有希望的方法涉及学习校正以代表残留误差函数的模拟器正向动力学，但是对于高维状态（例如图像），此操作是不切实际的。为了克服这一点，我们提出了Redraw，这是一种潜在的自回归世界模型，在模拟中鉴定在模拟中，并通过剩余的潜在动力学而不是明确观察到的状态对目标环境进行了验证。使用此改编的世界模型，Redraw使RL代理可以通过校正动力学下的想象的推出来优化RL代理，然后在现实世界中部署。在多个基于视觉的Mujoco域和一个物理机器人视线跟踪任务中，重新绘制有效地对动态变化，并避免在传统转移方法失败的低数据方案中过度拟合。
![arxiv：2402.18695v2 [CS.CV] 26 Jul 2024](/simg/f\f08f1aee69cc179cf9f481f2bc9e7e619c2cf4e0.webp)
arxiv：2402.18695v2 [CS.CV] 26 Jul 2024
摘要。我们介绍了Autober，这是一种用于VI-SUAL实体识别的自回归模型。我们的模型通过采用检索增强的结构发电来扩展自回归的多模态大型语言模型。它可以减轻台面外的低性能，同时在需要视觉推理的查询中出色。我们的方法学会了通过与没有外部撤回器的序列序列物镜并行进行硬性负面训练，以在巨大的标签空间内区分相似的实体。在推论期间，检索到的候选人答案列表通过删除无效的解码路径来明确指导语言构成。所提出的方法在最近提出的烤箱-Wiki基准测试中实现了不同数据集拆分的显着改善，而所见实体的准确性从32.7％上升到61.5％。它通过实质性的两位数边际表现出了在看不见和查询分裂的卓越性能，同时还可以保留有效地转移到其他无需进一步训练的基准的通用视觉问题上的能力。
使用机器学习技术进行股票市场指数预测：BIST 指数的应用
Özer 等人（2017）使用了 2012 年至 2016 年期间中国（上海）、印度（Nifty 50）、墨西哥（IPC-Mexico）、伊斯坦布尔（BIST 100）、美国（Nasdaq）、英国（FTSE-100）、德国（DAX）和法国（CAC-40）指数的每周收盘数据。在相关研究中，尝试比较模糊逻辑技术和人工神经网络模型，发现成功应用各种人工智能模型可以得到有希望的结果。在另一项研究（Manurung 等人，2018）中，他们使用 2013 年至 2018 年的中亚银行 (BCA) 数据进行股价预测，使用长短期记忆 (LSTM) 进行了预测研究，LSTM 是一种循环人工神经网络，用于数据中的重要参数（开盘价、最高价、最低价、收盘价）。分析结果表明，使用少于 1 年的短期数据而不是 3 年或 5 年的训练数据，LSTM 中的预测最为准确，并且优于传统的自回归移动平均 (ARIMA) 预测方法，对于短期数据的准确率为 56%，而准确率为 94%。
超越边境：通过从平面图中学习
摘要 - 在本文中，我们应对预测部分观察到的环境的看不见的壁是一组2D线段的挑战，其条件是沿着360°LIDAR传感器的轨迹集成的占用网格。通过在大学校园的一组办公室规模平面图中，通过在一组随机采样的航路点之间导航一组随机采样的航路点，收集了此类占用网格及其相应目标墙细分的数据集。行段预测任务是作为自回归序列预测任务配制的，并且在数据集中对基于注意力的深网进行了训练。基于序列的自动回归公式通过预测的信息增益进行评估，就像在基于边境的自主探索中一样，证明了在文献中发现的非预测性估计和基于卷积的图像预测的显着改善。消融，以及传感器范围和占用网格的度量标准区域。最后，通过在现实世界办公室环境中直接重建的新型平面图中预测墙壁来验证模型通用性。
脑电图振荡相位的实时实现......
摘要：在实时闭环设置中使用脑电图 (EEG) 评估瞬时大脑状态是一个技术难题，因为需要预测未来信号来定义当前状态，例如瞬时相位和幅度。为了实时实现这一点，人们使用了传统的基于 Yule-Walker (YW) 的自回归 (AR) 模型。然而，采用自适应方法的闭环系统实时实现大脑状态相关的方法尚未被探索。我们的主要目的是研究使用基于自适应最小均方 (LMS) 的 AR 模型进行时间序列前向预测是否可以在实时闭环系统中实现。EEG 状态相关触发器与睁眼静息状态和视觉任务中的 EEG α 振荡峰值和谷值同步。对于静息和视觉条件，统计结果表明，所提出的方法成功地为所有参与者在 EEG 振荡的特定阶段提供触发器。这些单独的结果表明，基于 LMS 的 AR 模型已成功应用于针对特定 alpha 振荡阶段的实时闭环系统，并且可以用作传统和机器学习方法的自适应替代方案，且计算负荷较低。