基於遙感結果的項目評估：克服傳統方法的限制
傳統的項目評估方法依賴於調查來衡量結果，但收集某些經濟結果（如生活水平或環境質量）可能是不可行或成本高昂的。本文提出了一種利用遙感變量（RSV）（如衛星圖像）進行項目評估的新方法，並證明了這種方法在 RSV 是結果變量的情況下可以產生無偏差的處理效應估計。
원격 감지 결과를 이용한 프로그램 평가: 대리 지표 접근 방식의 함정과 새로운 식별 전략
본 논문은 원격 감지 변수(RSV)를 사용하여 프로그램의 효과를 평가할 때 발생할 수 있는 문제점을 지적하고, 이를 해결하기 위한 새로운 비모수적 식별 전략을 제시합니다.
リモートセンシングによるプログラム評価：因果推論のための新しいフレームワーク
本稿では、従来の調査データの代わりにリモートセンシングデータを用いてプログラムの効果を評価する新しいフレームワークを提案する。このフレームワークは、リモートセンシング変数がアウトカム変数の後の段階で観測されるという現実的な状況を考慮し、バイアスのない推定を実現する。
Using Remote Sensing Data for Program Evaluation: Addressing Bias and Identifying Causal Effects
This research paper introduces a novel method for estimating treatment effects in program evaluations using remotely sensed variables (RSVs) as proxies for unobserved outcomes, addressing the bias inherent in common practices and ensuring accurate causal inference.
IVE: 트랜스포머를 활용한 일중 거래량 비율의 향상된 확률적 예측
트랜스포머 아키텍처를 기반으로 하는 새로운 일중 거래량 비율 예측 모델인 IVE는 기존 모델보다 우수한 성능을 보이며, 특히 변동성이 큰 시장에서 유용한 거래 전략 수립을 위한 일중 거래량 급등 감지 가능성을 제시합니다.
A Transformer-Based Model for Probabilistic Intraday Volume Ratio Forecasting and its Application in VWAP Trading Strategies
Transformer-based models, trained on comprehensive market data and enhanced with probabilistic forecasting, can accurately predict intraday volume ratios, enabling superior performance in VWAP-focused trading strategies.
利用高效率原子模擬預測結構和熱力學性質：構建精確的機器學習勢能模型
機器學習勢能，特別是神經進化勢能 (NEP)，為預測材料的結構和熱力學性質提供了高效且準確的方法，為超級離子導體等複雜系統的模擬開闢了新的可能性。
정확한 기계 학습 잠재력 구축 및 고효율 원자 시뮬레이션 수행을 통한 구조적 및 열적 특성 예측
본 연구는 기계 학습 잠재력(machine learning potentials, MLP)을 사용하여 아르기로다이트형 초이온 전도체인 Cu7PS6의 구조적 및 열적 특성을 정확하게 예측하고, 이를 통해 에너지 저장 및 변환 응용 분야에서의 활용 가능성을 제시합니다.
正確な機械学習ポテンシャルの構築と、構造的および熱的特性を予測するための高効率な原子シミュレーションの実行
本研究では、機械学習ポテンシャル（特に、ニューロエボリューションポテンシャル（NEP）とモーメントテンソルポテンシャル（MTP））を用いて、スーパーイオン伝導体Cu7PS6の構造的および熱的特性を予測する高効率な原子シミュレーションを実行する方法を提案しています。
Comparison of Neuroevolution Potential (NEP) and Moment Tensor Potential (MTP) for Simulating the Structural and Thermal Properties of Cu7PS6 Superionic Conductor
This research paper demonstrates the effectiveness of two machine learning potentials, NEP and MTP, in accurately and efficiently predicting the structural and thermal properties of Cu7PS6, a promising superionic conductor, with NEP exhibiting superior computational speed and MTP offering slightly higher accuracy.
© 2024 by Linnk AI