对随机和不规则抽样的时间序列进行建模是在广泛的应用中发现的一个具有挑战性的问题,尤其是在医学中。神经随机微分方程(神经SDE)是针对此问题的有吸引力的建模技术,它可以将SDE的漂移和扩散项与神经网络相关。但是,当前用于训练神经SDE的算法需要通过SDE动力学进行反向传播,从而极大地限制了它们的可扩展性和稳定性。为了解决这个问题,我们提出了轨迹流匹配(TFM),该轨迹以无模拟方式训练神经SDE,通过动力学绕过反向传播。TFM利用从生成建模到模型时间序列的流量匹配技术。在这项工作中,我们首先为TFM学习时间序列数据建立必要条件。接下来,我们提出了一个改善训练稳定性的重新聚集技巧。最后,我们将TFM适应了临床时间序列设置,从绝对性能和不确定性预测方面,在四个临床时间序列数据集上的性能提高了,这是在这种情况下的关键参数。
4D 四维 ABRR 机载改道 ABTM 机载轨迹管理 ACARS 飞机通信寻址和报告系统 ANSP 空中导航服务提供商 AOC 航空公司运营中心 ARTCC 空中交通管制中心(“中心”) ATCSCC 空中交通管制系统指挥中心 CDM Net 协作决策网络 CDM 协作决策 CTOP 协作轨迹选项程序数据通信数字数据通信 EFB 电子飞行包 ERAM 航路自动化现代化 FAA 联邦航空管理局 FL 飞行高度 FMS 飞行管理系统 NAS 国家空域系统 NASA 美国国家航空航天局 NextGen 下一代空中运输系统 RAD 航路修正对话 RTA 所需到达时间 RTC 相对轨迹成本 SATM 战略机载轨迹管理 STAR 标准终端到达航路 SWIM 全系统信息管理 TASAR 交通感知战略机组请求 TBFM 基于时间的流量管理 TBO 基于轨迹的运行TFDM 终端飞行数据管理 TFM 交通流量管理 TFMS 交通流量管理系统 TMU 交通管理单元 TOS 轨迹选项集 TRACON 终端雷达进近管制
4D 四维 ABRR 机载改道 ABTM 机载轨迹管理 ACARS 飞机通信寻址和报告系统 ANSP 空中导航服务提供商 AOC 航空公司运营中心 ARTCC 空中交通管制中心(“中心”) ATCSCC 空中交通管制系统指挥中心 CDM Net 协作决策网络 CDM 协作决策 CTOP 协作轨迹选项程序数据通信数字数据通信 EFB 电子飞行包 ERAM 航路自动化现代化 FAA 联邦航空管理局 FL 飞行高度 FMS 飞行管理系统 NAS 国家空域系统 NASA 美国国家航空航天局 NextGen 下一代空中运输系统 RAD 航路修正对话 RTA 所需到达时间 RTC 相对轨迹成本 SATM 战略机载轨迹管理 STAR 标准终端到达航路 SWIM 全系统信息管理 TASAR 交通感知战略机组请求 TBFM 基于时间的流量管理 TBO 基于轨迹的运行TFDM 终端飞行数据管理 TFM 交通流量管理 TFMS 交通流量管理系统 TMU 交通管理单元 TOS 轨迹选项集 TRACON 终端雷达进近管制
1 本作品是以下论文的翻译(来自葡萄牙语)和节略版:GOMES, Luiz (2017): 保加利亚社会主义的发展轨迹(1945-1990)。参见:第十二届巴西经济史大会和第十三届国际商业史会议,2017 年,尼泰罗伊。第十二届巴西经济史大会暨第十三届国际商业史会议论文集,2017 年。2 经济学博士学位(巴西弗鲁米嫩塞联邦大学)。
摘要 疫苗犹豫 (VH) 在巴基斯坦并不是一个新现象,被认为是疫苗接种活动不令人满意的主要原因之一。本研究确定了接种疫苗后的 COVID-19 VH、影响 COVID-19 疫苗接种的因素以及公众接种加强疫苗的意愿。在巴基斯坦拉合尔的成年人口中进行了一项横断面研究。参与者是在 2022 年 3 月至 5 月期间通过便利抽样招募的。SPSS 版本 22 用于数据分析。共有 650 名参与者参与了这项研究(年龄 = 28.1 ± 9.7 岁;男女比例接近 1: 1)。大多数参与者接种了国药疫苗,然后接种了科兴疫苗。接种疫苗的三大原因是“只有接种过疫苗的人才能进入工作场所和教育机构”(相对重要性指数 (RII) = 0.749)、“只有接种过疫苗的人才能去市场、商场和其他公共场所”(RII = 0.746)和“保护自己免受感染”(RII = 0.742)。平均 COVID-19 VH 评分为 24.5 ± 6.2(95% CI 23.9–24.9),其中不支持疫苗接种和经济状况较差是免疫接种者对 COVID-19 疫苗犹豫的重要预测因素(p < .05)。接受加强疫苗与年龄较小和受教育程度较低呈负相关。此外,支持疫苗接种与接受加强疫苗的可能性更大相关(p = .001)。巴基斯坦公众继续对 COVID-19 疫苗表示 VH。因此,必须采取积极措施,对抗造成这一问题的社区因素。
Rong Fan 1#* , M.D., Siru Zhao 1# , M.D., Junqi Niu 2 , M.D., Hong Ma 3 , M.D., Qing Xie 4 , M.D.,
随着 IT 复杂性和风险不断增加,组织需要能够指导 IT 专业人员更好地管理和保护其 IT 基础设施的服务,具体方式包括实施正确的软件更新、迅速采取措施修复安全漏洞以及确保支持合同涵盖所有设备。Cisco Success Tracks 是一套全面的服务包,旨在帮助 IT 专业人员消除采用障碍并更快地实现业务价值。
政府对创新的资助不仅会对技术变革的速度产生重大影响,而且对其方向也会产生重大影响。在本文中,我们研究了政府拨款和政府部门在人工智能 (AI) 发展中发挥的作用,人工智能是一种新兴的通用技术,有可能彻底改变经济和社会的许多方面。我们分析了美国专利商标局提交的所有 AI 专利,并开发了网络度量来捕捉每项专利对所有可能的后续创新序列的影响。通过确定专利对技术轨迹的影响,我们能够解释标准专利引用度量无法捕捉的新知识的长期累积影响。我们表明,由政府拨款资助的专利,尤其是由联邦机构和州政府部门提交的专利,对人工智能的发展产生了深远的影响。这些长期影响在早期阶段尤其显著,随着私人激励的接管,这种影响随着时间的推移而减弱。这些结果对于替代规范和控制内生性具有稳健性。