疫情演算法

『壹』 有重大疫情期間放假工資計算方法是什麼

法律分析：疫情推遲復工期間，對政府實施隔離措施或採取其他緊急措施導致不能提供正常勞動的企業職工，企業應當支付職工在此期間的工作報酬。

法律依據：《人力資源社會保障部辦公廳關於妥善處理新型冠狀病毒感染的肺炎疫情防控期間勞動關系問題的通知》一、對新型冠狀病毒感染的肺炎患者、疑似病人、密切接觸者在其隔離治療期間或醫學觀察期間以及因政府實施隔離措施或採取其他緊急措施導致不能提供正常勞動的企業職工，企業應當支付職工在此期間的工作報酬，並不得依據勞動合同法第四十條、四十一條與職工解除勞動合同。在此期間，勞動合同到期的，分別順延至職工醫療期期滿、醫學觀察期期滿、隔離期期滿或者政府採取的緊急措施結束。

『貳』 疫情被迫休假工資怎麼算

疫情被迫休假工資演算法如下：1、勞動者可以與用人單位協商，用人單位可以用勞動者的年休假等假期相抵工作日，如果勞動者用完各類假期但仍不能提供正常勞動的，用人單位可以按照國家關於停工停產期間工資支付的相關規定與勞動者協商，在一個工資支付周期內的按照勞動合同規定的標准支付工資；超過一個工資支付周期的按有關規定發放生活費；2、用人單位如果安排勞動者居家辦公的，如果工作量沒有減少，用人單位應當按照正常工資標准發放；如果工作量不足，用人單位可以和勞動者協商在家工作期間的工資標准。
《中化人民共和國勞動法》
第四十四條
有下列情形之一的，用人單位應當按照下列標准支付高於勞動者正常工作時間工資的工資報酬：
（一）安排勞動者延長工作時間的，支付不低於工資的百分之一百五十的工資報酬；
（二）休息日安排勞動者工作又不能安排補休的，支付不低於工資的百分之二百的工資報酬；
（三）法定休假日安排勞動者工作的，支付不低於工資的百分之三百的工資報酬。

『叄』 抗擊新冠病毒 人工智慧發揮了這些作用

【導讀】新冠病毒依然在全世界蔓延，除了隔離防疫，抓緊研發疫苗等常規動作外，人工智慧新技術在抵抗疫情方面也發揮著前所未有的能力。下面便盤點一下，在抵抗疫情面前，哪些人工智慧技術起到了積極的作用。

『肆』 數學建模累計確診怎麼計算的

首先，我們建立數學建模來預測疫情發展趨勢。

我們採用結合傳播網路機制的SEIR模型【易感-潛伏-感染(患病)-治癒】，基於2020年1月10日至2月11日的新冠肺炎疫情數據，建立一個描述疫情發展變化的動力學系統.

通過MATLAB計算模擬程序求解相關參數和模型結果，並用統計學指標來評估結果的誤差，然後評估效果較好的模型則用於對疫情發展趨勢做短期預測和中長期預測。

其次，我們結合統計學原理做全面而深入的數據分析。

我們重點研究疑似、確診、重症、死亡、治癒、密切接觸、醫學觀察等數據，討論各項數據之間的內在關聯，以及分析基於數據的各項統計學指標的實際含義，得出對戰勝疫情有用的啟示。

最後，我們綜合現實因素和理論依據給出戰勝疫情的拙見。

我們綜合考慮當前的疫情發展實情、國家的應急措施和相關不確定性因素，基於數學模型和數據分析的結論，對疫情未來發展做長期判斷，給出戰勝疫情過程中的重要防控關卡和幾個重要時間節點。

『伍』 疫情期間隔離14天時間怎麼算

法律分析：疫情期間隔離14天時間的演算法，是到目的地的第二天為隔離期的第一天。對已經發生甲類傳染病病例的場所或者該場所內的特定區域的人員，所在地的縣級以上地方人民政府可以實施隔離措施，在隔離期間，所在單位不得停止支付其隔離期間的工作報酬。「對新型冠狀病毒感染的肺炎患者、疑似病人、密切接觸者在其隔離治療期間或醫學觀察期間以及因政府實施隔離措施或採取其他緊急措施導致不能提供正常勞動的企業職工，企業應當支付職工在此期間的工作報酬」。因此，無論是隔離治療、自我隔離觀察14天，還是因其他緊急措施而不能提供正常勞動，單位應當視同提供正常勞動並支付基本工資、獎金、津補貼。

法律依據：《中華人民共和國傳染病防治法》第三十九條 拒絕隔離治療或者隔離期未滿擅自脫離隔離治療的，可以由公安機關協助醫療機構採取強制隔離治療措施。

『陸』 elasticsearch的自動發現節點機制是怎麼實現的，原理是怎樣

早期 es 版本有 split brain 問題，俗稱腦裂。ES 採用的是一種 P2P 的 gossip 選舉方式，Gossip 演算法因為 Cassandra 而名聲大噪。
背景:
Gossip 演算法, 靈感來自辦公室八卦, 只要一個人八卦一下, 在有限的時間內所有人都會知道該八卦的信息,
這種方式也與病毒傳播類似, 因為 Gossip 有眾多的別名"閑話演算法"、"疫情傳播演算法"、"病毒感染演算法"、"謠言傳播(Rumor-Mongering)演算法".
但 Gossip 並不是一個新東西, 之前的泛洪查找、路由演算法都歸屬於這個范疇, 不同的是 Gossip 給這類演算法提供了明確的語義、具體實施方法及收斂性證明.

特點:
Gossip 演算法又被稱為反熵(Anti-Entropy), 熵是物理學上的一個概念, 代表雜亂無章, 而反熵就是在雜亂無章中尋求一致,
這充分說明了 Gossip 的特點：在一個有界網路中, 每個節點都隨機地與其他節點通信, 經過一番雜亂無章的通信,
最終所有節點的狀態都會達成一致. 每個節點可能知道所有其他節點, 也可能僅知道幾個鄰居節點,
只要這些節可以通過網路連通, 最終他們的狀態都是一致的, 當然這也是疫情傳播的特點.
要注意到的一點是, 即使有的節點因宕機而重啟, 有新節點加入, 但經過一段時間後,
這些節點的狀態也會與其他節點達成一致, 也就是說, Gossip 天然具有分布式容錯的優點.

本質:
Gossip 是一個帶冗餘的容錯演算法, 更進一步, Gossip 是一個最終一致性演算法。
雖然無法保證在某個時刻所有節點狀態一致, 但可以保證在」最終「所有節點一致, 」最終「是一個現實中存在, 但理論上無法證明的時間點。
因為 Gossip 不要求節點知道所有其他節點, 因此又具有去中心化的特點, 節點之間完全對等, 不需要任何的中心節點。
實際上 Gossip 可以用於眾多能接受「最終一致性」的領域：失敗檢測、路由同步、Pub/Sub、動態負載均衡。
但 Gossip 的缺點也很明顯, 冗餘通信會對網路帶寬、CPU 資源造成很大的負載, 而這些負載又受限於通信頻率, 該頻率又影響著演算法收斂的速度。

總結:
Gossip 是一種去中心化、容錯而又最終一致性的絕妙演算法, 其收斂性不但得到證明還具有指數級的收斂速度。
使用 Gossip 的系統可以很容易的把 Server 擴展到更多的節點, 滿足彈性擴展輕而易舉。
唯一的缺點是收斂是最終一致性, 不適應那些強一致性的場景, 比如 2PC。

『柒』 27歲華裔小伙自建最准新冠預測模型

是的，2020年春天，權威的統計模型應運而生，當公眾試圖判斷冠狀病毒在3月和4月可能會有多大影響時，人們一再提到兩個預測系統：一個來自倫敦帝國理工學院建立，另一個來自總部位於西雅圖的衛生計量與評估研究所（下文簡稱IHME）。

但這些模型的預測結果大相徑庭，帝國理工學院警告稱，到去年夏天，美國可能會有多達200萬人死於新冠，而IHME的預測要保守得多，預計到8月將有6萬人死亡。事實證明，兩者的預測都不是很准確。截至8月初，美國死亡人數最終達到了16萬人。

去年春天預測數據的巨大差異引起了當時26歲的數據科學家顧友陽（Youyang Gu，音譯）的注意。這個年輕人擁有麻省理工學院的電氣工程和計算機科學碩士學位，還有一個數學學位，但沒有接受過醫學或流行病學等流行病相關領域的正式培訓。盡管如此，他認為他處理數據模型的經歷在疫情期間可能會派上用場。

4月中旬，顧友陽和父母住在加州的聖克拉拉，他花了一周時間建立了自己的新冠病毒死亡人數預測模型和一個展示病例信息的網站。不久之後，他的模型預測的結果開始比那些擁有數億美元資金和數十年經驗的機構預測的結果更加准確。

(7)疫情演算法擴展閱讀：

顧友陽的模型中新穎、復雜的變化來自於他使用機器學習演算法來打磨他的數據

從麻省理工畢業後，顧磊在金融行業工作了幾年，為高頻交易系統編寫演算法，如果他想保住這份工作，他的預測必須是准確的。

當談到新冠疫情時，顧友陽不斷地將他的預測結果與最終報告的死亡人數進行比較，並不斷調整他的演算法，以便得出更精確的預測。盡管這活和一份耗費精力的全職工作需要的時間一樣多，但顧友陽還是自願花時間去做，依靠自己的積蓄生活。他希望他的數據不存在任何利益沖突或政治偏見。

盡管並不完美，顧友陽的模型從一開始就表現良好。他在4月底預測，到5月9日，美國將有8萬人死亡。實際死亡人數為79，926人。

IHME 4月底的一份類似預測稱，美國在2020年全年的死亡人數不會超過8萬人。顧友陽預測5月18日的死亡人數為9萬人，5月27日的死亡人數為10萬人，再一次和實際數字相吻合。

『捌』 現有確診人數的計算方法公式

這些測量值在我們疾病傳播問題中可以是每天的天數 (x)和每天的累計確診人數 (y)。另一方面我們有關於y測量值的一個理論公式y= f(x;θ) ,而公式中的參數θ可以是一個參數也可以是多個