在固态电解质(SSE)中使用金属有机框架(MOF)一直是一个非常有吸引力的研究领域,在现代世界中引起了广泛关注。SSE可以分为不同的类型,其中一些可以与MOF结合使用,以通过利用高表面积和高孔隙率来改善电池的电化学性能。但是,它也面临许多严重的问题和挑战。在这篇综述中,分类的不同类型的SSE类型,并描述了添加MOF后这些电解质的变化。之后,引入了这些带有MOF的SSE,以用于不同类型的电池应用,并描述了这些SSE与MOF结合在细胞电化学性能上的影响。最后,提出了MOFS材料在电池应用中面临的一些挑战,然后给出了一些解决MOF的问题和开发期望的解决方案。
摘要 目标:临床街头外展计划服务于无家可归的人们,这些人患有更多的医学和精神疾病,并且面临更大的社会和经济挑战。然而,外展计划在实践中可能难以让这些最脆弱的人参与进来。方法:使用退伍军人健康管理局 (VHA) 无家可归者运营管理系统 (HOMES) 2018 年至 2019 年 (N = 101,998) 的数据,比较通过街头外展联系到的无家可归退伍军人与自我推荐或诊所推荐的退伍军人的社会人口统计学、临床和财务特征。结果:通过街头外展服务参与的退伍军人报告的过去一个月无家可归的天数(平均值 (M) = 11.18 天,标准差 = 13.8)明显多于诊所转介组(M = 6.75 天,标准差 = 11.1),并且更有可能在过去 30 天内无家可归(RR = 2.23)。两组之间几乎没有其他差异。结论:尽管文献中的流行病学证据表明无家可归的无家可归者在医疗、精神、社会和经济方面更脆弱,但我们的街头外展组在这些变量上的表现并不比诊所转介组或自我转介组差,除了无家可归的时间更长。外展工作者似乎接触了更多无家可归的人,但不一定接触那些有如此严重脆弱性的人。需要专门的外展计划资金、培训和支持来支持向问题最严重的人进行街头外展。
本文使用一系列通胀预期指标和方法,评估了欧元区长期通胀预期的锚定情况,这是货币政策角度的一个关键问题。总体来看,在近期能源价格飙升和持续的供应侧瓶颈导致通胀压力上升的背景下,欧元区的长期通胀预期已迅速回升至接近欧洲央行 2021 年 7 月宣布的新的 2% 对称通胀目标的水平。尽管如此,长期通胀预期上行脱锚的风险值得密切和持续监测。在评估欧洲央行货币政策立场正常化的适当速度时,必须考虑到这一风险,承认通胀前景充满高度不确定性,正如各种预期所表明的那样。
摘要:本文研究了经济冲击如何影响家庭通胀预期的分布。我们表明,家庭预期通胀分布的动态变化由三种不同的功能性冲击驱动,它们通过分歧、水平转移和模糊性影响预期通胀分布。将这些功能性冲击与经济冲击联系起来,我们发现紧缩性货币冲击提高了具有锚定效应的平均通胀预期水平,分歧减少,预期未来通胀率在 2% 至 4% 之间的家庭比例增加。当包括沃尔克通货紧缩之前的高通胀时期时,不会观察到这种锚定效应。扩张性政府支出冲击对短期和中期通胀预期都有通胀效应,而个人所得税冲击的增加对中期通胀有通胀效应。汽油价格意外上涨会提高通胀预期水平,但会降低通胀预期为 2% 的家庭比例。
通胀预期是经济学的核心,因为它影响财政和货币政策的有效性以及实际通胀。我们调查了最近的文献,重点关注家庭的通胀预期。我们首先回顾标准数据来源并讨论其优缺点。然后,我们记录了家庭通胀预期向上偏向、分散在个人之间且在时间序列中波动。我们还提供了性别、收入、教育和种族之间系统性差异的证据。谈到潜在的预期形成过程,我们强调了个人在日常生活中接触价格信号的作用,例如食品杂货的价格变化、一生经历的作用以及认知的作用。然后,我们讨论将通胀预期与个人层面的经济决策(包括消费储蓄和金融决策)联系起来的文献。最后,我们展望了未来的研究。
1 日本筑波大学医学院解剖学与胚胎学系,2 日本筑波大学综合与全球专业学院人类生物学博士课程,3 日本筑波大学综合人类科学研究生院生物医学科学博士课程,4 日本筑波大学医学院跨境医学研究中心实验动物资源中心,5 日本筑波理化学研究所生物资源研究中心实验动物部,6 日本筑波大学计算机科学系,7 日本筑波大学医学院生物信息学实验室,8 日本筑波大学综合人类科学研究生院医学科学博士课程,9 日本筑波大学医学院基因组生物学系
视频人工智能系统的成本和收益如何?视频人工智能:初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么?成本是多少?长期收益是什么?在本白皮书中,我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能?主要原因是视觉图像包含非常重要的数据。通过使用这些数据,您可以作为一家公司脱颖而出,目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI),您可以从视频数据中获得正确的智能信息。简而言之,人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上,可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据,以便您可以在发生检测警报时快速评估和响应。此外,可以轻松检索现有视频片段。因此,您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时,会产生额外的数据。从长远来看,这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时,重要的是要正确评估总购置成本。换句话说,就是总拥有成本 (TCO)。当然,这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术,但为了使软件正常运行,外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型(本地、远程或云)的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要,因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果,确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案,而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地,也可以位于多个物理位置。将物理位置上的摄像机与(公共)云中的软件相结合也是可能的。同样,正确的 AI 实施合作伙伴的作用非常重要。
抽象的主动推理是自由能原理的推论,是描述某些类型的随机动态系统的行为的形式方法 - 具有感知的外观。在本章中,我们描述了主动推断如何在单个命令下结合贝叶斯决策理论和最佳的贝叶斯设计原理,以最大程度地减少预期自由能。正是主动推理的这一方面允许自然而然地出现寻求信息行为。从预期的自由能中删除先前的结果偏好时,主动推断将减少为最佳贝叶斯设计,即信息增益最大化。相反,在没有歧义和相对风险的情况下,即预期的效用最大化,主动推论会减少贝叶斯决策理论。使用这些限制案例,我们说明了当代理选择优化预期效用,预期信息增益和预期自由能的动作时,行为如何不同。我们的T迷宫模拟显示了优化的预期自由能产生目标指导的信息寻求行为,同时优化预期的实用程序会诱导纯粹的利用行为,并最大程度地提高信息增益产生本质上动机的行为。
摘要:我们从10月19日至21日开始对家庭的大规模代表性调查,这引起了受访者对总统大选结果的期望以及他们的经济期望,以记录几个新事实。首先,尽管公开可用的投票信息广泛,人们强烈反对大选的可能结果。大多数民主党人对拜登的胜利都非常有信心,而大多数共和党人对特朗普胜利非常有信心。第二,如果受访者偏爱的候选人获胜,但如果另一个候选人获胜,则受访者会预测相当玫瑰色的经济情景。由于大多数受访者对他们的青睐结果充满信心,但各方的无条件预测是相似的,尽管基本的概率分布和有条件的预测截然不同。第三,当获得最新的投票数据时,大多数选民将自己的观点几乎改变,除非他们独立和/或对结果的先验相对较弱。强调投票数据不确定性的信息在降低不同选举结果的预期概率的极化方面具有更大的影响。第四个外源信息会改变个人对选举结果的概率分布,也以相应的方式改变了他们的无条件预测。经济期望的这些变化反过来可能会影响家庭经济决策。
本文中表达的任何观点都是作者的意见,而不是Iza的意见。本系列发表的研究可能包括对政策的看法,但IZA没有任何机构政策立场。IZA研究网络致力于研究完整性的IZA指导原则。IZA劳动经济学研究所是一家独立的经济研究所,在劳动经济学领域进行研究,并就劳动力市场问题提供基于证据的政策建议。在德意志邮政基金会的支持下,伊扎(Iza)拥有世界上最大的经济学家网络,其研究旨在为我们这个时代的全球劳动力市场挑战提供答案。我们的主要目标是在学术研究,决策者和社会之间建造桥梁。IZA讨论论文通常代表初步工作,并被散发以鼓励讨论。引用这种论文应解释其临时特征。可以直接从作者那里获得修订版。