XiaoMi-AI文件搜索系统
World File Search System计算负担
b'Abstract本文讨论了将双重/伪证机器学习（DDML）与堆叠配对，这是一种模型平均方法，用于结合多个候选学习者，以估计结构参数。除了传统的堆叠外，我们还考虑了可用于DDML的两个堆叠变体：短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担，并汇总堆叠强制执行常见的堆叠权重，而不是交叉折叠。使用校准的仿真研究和两种估计引用和工资中性别差距的应用，我们表明，与基于单个预先选择的学习者基于单一的替代方法相比，堆叠的DDML对部分未知的功能形式比部分未知的功能形式更强大。我们提供实施建议的Stata和软件。 JEL分类：C21，C26，C52，C55，J01，J08'
b'Abstract本文讨论了将双重/伪证机器学习（DDML）与堆叠配对，这是一种模型平均方法，用于结合多个候选学习者，以估计结构参数。除了传统的堆叠外，我们还考虑了可用于DDML的两个堆叠变体：短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担，并汇总堆叠量强制执行常见的堆叠权重，而不是交叉折叠。使用校准的模拟研究和两种估计引用和工资中性别差距的应用，我们表明，与基于单个预先选择的学习者的常见替代方法相比，堆叠的DDML对部分未知的功能形式更强大。我们提供实施建议的Stata和软件。JEL分类：C21，C26，C52，C55，J01，J08'
减少微电网能源管理系统的计算负担
摘要 — 随着可再生能源技术的进步和成本的下降，微电网正成为一种有吸引力的分布式发电方式，既适用于孤立社区，也适用于与现有电网系统集成。然而，由于规模小，微电网可能存在财务限制，这使得它们无法使用商业软件来优化资产控制。开源优化求解器是一种可行的替代方案，但会增加计算时间。这项工作开发了一个优化框架，用于住宅微电网内的经济调度，并要求使用开源求解器。为了减少计算时间，采用了一种通过松弛来减少整数变量的方法。测试模拟使用来自阿拉巴马州胡佛市真实微电网的设备参数，该微电网也存在本文研究的软件限制。还从微电网收集了负载和光伏 (PV) 功率的季节性数据。使用松弛方法的多种变体成功缩短了计算时间，同时获得了与原始模型相似或更好的解决方案质量。