疫情算法

‘壹’ 有重大疫情期间放假工资计算方法是什么

法律分析：疫情推迟复工期间，对政府实施隔离措施或采取其他紧急措施导致不能提供正常劳动的企业职工，企业应当支付职工在此期间的工作报酬。

法律依据：《人力资源社会保障部办公厅关于妥善处理新型冠状病毒感染的肺炎疫情防控期间劳动关系问题的通知》一、对新型冠状病毒感染的肺炎患者、疑似病人、密切接触者在其隔离治疗期间或医学观察期间以及因政府实施隔离措施或采取其他紧急措施导致不能提供正常劳动的企业职工，企业应当支付职工在此期间的工作报酬，并不得依据劳动合同法第四十条、四十一条与职工解除劳动合同。在此期间，劳动合同到期的，分别顺延至职工医疗期期满、医学观察期期满、隔离期期满或者政府采取的紧急措施结束。

‘贰’ 疫情被迫休假工资怎么算

疫情被迫休假工资算法如下：1、劳动者可以与用人单位协商，用人单位可以用劳动者的年休假等假期相抵工作日，如果劳动者用完各类假期但仍不能提供正常劳动的，用人单位可以按照国家关于停工停产期间工资支付的相关规定与劳动者协商，在一个工资支付周期内的按照劳动合同规定的标准支付工资；超过一个工资支付周期的按有关规定发放生活费；2、用人单位如果安排劳动者居家办公的，如果工作量没有减少，用人单位应当按照正常工资标准发放；如果工作量不足，用人单位可以和劳动者协商在家工作期间的工资标准。
《中化人民共和国劳动法》
第四十四条
有下列情形之一的，用人单位应当按照下列标准支付高于劳动者正常工作时间工资的工资报酬：
（一）安排劳动者延长工作时间的，支付不低于工资的百分之一百五十的工资报酬；
（二）休息日安排劳动者工作又不能安排补休的，支付不低于工资的百分之二百的工资报酬；
（三）法定休假日安排劳动者工作的，支付不低于工资的百分之三百的工资报酬。

‘叁’ 抗击新冠病毒 人工智能发挥了这些作用

【导读】新冠病毒依然在全世界蔓延，除了隔离防疫，抓紧研发疫苗等常规动作外，人工智能新技术在抵抗疫情方面也发挥着前所未有的能力。下面便盘点一下，在抵抗疫情面前，哪些人工智能技术起到了积极的作用。

‘肆’ 数学建模累计确诊怎么计算的

首先，我们建立数学建模来预测疫情发展趋势。

我们采用结合传播网络机制的SEIR模型【易感-潜伏-感染(患病)-治愈】，基于2020年1月10日至2月11日的新冠肺炎疫情数据，建立一个描述疫情发展变化的动力学系统.

通过MATLAB计算仿真程序求解相关参数和模型结果，并用统计学指标来评估结果的误差，然后评估效果较好的模型则用于对疫情发展趋势做短期预测和中长期预测。

其次，我们结合统计学原理做全面而深入的数据分析。

我们重点研究疑似、确诊、重症、死亡、治愈、密切接触、医学观察等数据，讨论各项数据之间的内在关联，以及分析基于数据的各项统计学指标的实际含义，得出对战胜疫情有用的启示。

最后，我们综合现实因素和理论依据给出战胜疫情的拙见。

我们综合考虑当前的疫情发展实情、国家的应急措施和相关不确定性因素，基于数学模型和数据分析的结论，对疫情未来发展做长期判断，给出战胜疫情过程中的重要防控关卡和几个重要时间节点。

‘伍’ 疫情期间隔离14天时间怎么算

法律分析：疫情期间隔离14天时间的算法，是到目的地的第二天为隔离期的第一天。对已经发生甲类传染病病例的场所或者该场所内的特定区域的人员，所在地的县级以上地方人民政府可以实施隔离措施，在隔离期间，所在单位不得停止支付其隔离期间的工作报酬。“对新型冠状病毒感染的肺炎患者、疑似病人、密切接触者在其隔离治疗期间或医学观察期间以及因政府实施隔离措施或采取其他紧急措施导致不能提供正常劳动的企业职工，企业应当支付职工在此期间的工作报酬”。因此，无论是隔离治疗、自我隔离观察14天，还是因其他紧急措施而不能提供正常劳动，单位应当视同提供正常劳动并支付基本工资、奖金、津补贴。

法律依据：《中华人民共和国传染病防治法》第三十九条 拒绝隔离治疗或者隔离期未满擅自脱离隔离治疗的，可以由公安机关协助医疗机构采取强制隔离治疗措施。

‘陆’ elasticsearch的自动发现节点机制是怎么实现的，原理是怎样

早期 es 版本有 split brain 问题，俗称脑裂。ES 采用的是一种 P2P 的 gossip 选举方式，Gossip 算法因为 Cassandra 而名声大噪。
背景:
Gossip 算法, 灵感来自办公室八卦, 只要一个人八卦一下, 在有限的时间内所有人都会知道该八卦的信息,
这种方式也与病毒传播类似, 因为 Gossip 有众多的别名"闲话算法"、"疫情传播算法"、"病毒感染算法"、"谣言传播(Rumor-Mongering)算法".
但 Gossip 并不是一个新东西, 之前的泛洪查找、路由算法都归属于这个范畴, 不同的是 Gossip 给这类算法提供了明确的语义、具体实施方法及收敛性证明.

特点:
Gossip 算法又被称为反熵(Anti-Entropy), 熵是物理学上的一个概念, 代表杂乱无章, 而反熵就是在杂乱无章中寻求一致,
这充分说明了 Gossip 的特点：在一个有界网络中, 每个节点都随机地与其他节点通信, 经过一番杂乱无章的通信,
最终所有节点的状态都会达成一致. 每个节点可能知道所有其他节点, 也可能仅知道几个邻居节点,
只要这些节可以通过网络连通, 最终他们的状态都是一致的, 当然这也是疫情传播的特点.
要注意到的一点是, 即使有的节点因宕机而重启, 有新节点加入, 但经过一段时间后,
这些节点的状态也会与其他节点达成一致, 也就是说, Gossip 天然具有分布式容错的优点.

本质:
Gossip 是一个带冗余的容错算法, 更进一步, Gossip 是一个最终一致性算法。
虽然无法保证在某个时刻所有节点状态一致, 但可以保证在”最终“所有节点一致, ”最终“是一个现实中存在, 但理论上无法证明的时间点。
因为 Gossip 不要求节点知道所有其他节点, 因此又具有去中心化的特点, 节点之间完全对等, 不需要任何的中心节点。
实际上 Gossip 可以用于众多能接受“最终一致性”的领域：失败检测、路由同步、Pub/Sub、动态负载均衡。
但 Gossip 的缺点也很明显, 冗余通信会对网路带宽、CPU 资源造成很大的负载, 而这些负载又受限于通信频率, 该频率又影响着算法收敛的速度。

总结:
Gossip 是一种去中心化、容错而又最终一致性的绝妙算法, 其收敛性不但得到证明还具有指数级的收敛速度。
使用 Gossip 的系统可以很容易的把 Server 扩展到更多的节点, 满足弹性扩展轻而易举。
唯一的缺点是收敛是最终一致性, 不适应那些强一致性的场景, 比如 2PC。

‘柒’ 27岁华裔小伙自建最准新冠预测模型

是的，2020年春天，权威的统计模型应运而生，当公众试图判断冠状病毒在3月和4月可能会有多大影响时，人们一再提到两个预测系统：一个来自伦敦帝国理工学院建立，另一个来自总部位于西雅图的卫生计量与评估研究所（下文简称IHME）。

但这些模型的预测结果大相径庭，帝国理工学院警告称，到去年夏天，美国可能会有多达200万人死于新冠，而IHME的预测要保守得多，预计到8月将有6万人死亡。事实证明，两者的预测都不是很准确。截至8月初，美国死亡人数最终达到了16万人。

去年春天预测数据的巨大差异引起了当时26岁的数据科学家顾友阳（Youyang Gu，音译）的注意。这个年轻人拥有麻省理工学院的电气工程和计算机科学硕士学位，还有一个数学学位，但没有接受过医学或流行病学等流行病相关领域的正式培训。尽管如此，他认为他处理数据模型的经历在疫情期间可能会派上用场。

4月中旬，顾友阳和父母住在加州的圣克拉拉，他花了一周时间建立了自己的新冠病毒死亡人数预测模型和一个展示病例信息的网站。不久之后，他的模型预测的结果开始比那些拥有数亿美元资金和数十年经验的机构预测的结果更加准确。

(7)疫情算法扩展阅读：

顾友阳的模型中新颖、复杂的变化来自于他使用机器学习算法来打磨他的数据

从麻省理工毕业后，顾磊在金融行业工作了几年，为高频交易系统编写算法，如果他想保住这份工作，他的预测必须是准确的。

当谈到新冠疫情时，顾友阳不断地将他的预测结果与最终报告的死亡人数进行比较，并不断调整他的算法，以便得出更精确的预测。尽管这活和一份耗费精力的全职工作需要的时间一样多，但顾友阳还是自愿花时间去做，依靠自己的积蓄生活。他希望他的数据不存在任何利益冲突或政治偏见。

尽管并不完美，顾友阳的模型从一开始就表现良好。他在4月底预测，到5月9日，美国将有8万人死亡。实际死亡人数为79，926人。

IHME 4月底的一份类似预测称，美国在2020年全年的死亡人数不会超过8万人。顾友阳预测5月18日的死亡人数为9万人，5月27日的死亡人数为10万人，再一次和实际数字相吻合。

‘捌’ 现有确诊人数的计算方法公式

这些测量值在我们疾病传播问题中可以是每天的天数 (x)和每天的累计确诊人数 (y)。另一方面我们有关于y测量值的一个理论公式y= f(x;θ) ,而公式中的参数θ可以是一个参数也可以是多个