Collaborative City Digital Twin for the COVID-19 Pandemic:A Federated Learning Solution

来源 :清华大学学报:自然科学版(英文版) | 被引量 : 0次 | 上传用户:lm4194
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
The novel coronavirus,COVID-19,has caused a crisis that affects all segments of the population.As the knowledge and understanding of COVID-19 evolve,an appropriate response plan for this pandemic is considered one of the most effective methods for control
其他文献
研究了σ-超可解群的极大子群的指数问题。利用σ-群理论和σ-超可解群的一些性质,通过研究有限群中极大子群的指数问题,给出有限群G是σ-超可解群的一个充要条件。
春季二球悬铃木(以下简称悬铃木)新生花粉和宿存球果脱落产生的果毛,既危害人体健康也为城市清洁带来压力,开展始花期预报有利于易敏人群提前做好防护准备,并可为园林部门适时喷洒植物生长抑制剂提供理论依据。以江苏兴化悬铃木始花期为研究对象,选取1990—2020年的物候观测数据和同期气象观测资料,分析其年际变化趋势,筛选影响始花期的关键气象因子,采用通径分析法进一步明确各关键气象因子对始花期的定量影响,并建立多元回归预报模型;同时统计分析始花期有效积温阈值,基于春季积温模型进行预报,并对比检验两种模型的预报效果。
RFPrLrR循环矩阵和RLPrFrL循环矩阵是矩阵研究中的两类特殊循环矩阵。本文根据广义k-Horadam序列和RFPrLrR循环矩阵的结构性质,利用多项式因式分解的逆变换,给出了带有广义k-Horadam序列的RFPrLrR和RLPrFrL循环矩阵的行列式。最后,本文通过数值例子验证了结果的正确性。
在“互联网+”与会展产业的一体化发展下,大数据、云计算、人工智能等新兴技术正积极与会展产业产生相关联系与渗透效应,以找寻自身新的产业形态。以融合模型为理论依据,在分析云+、VR技术以及会展产业发展的基础上,从理论构建、模式构建、策略构建三个方面构架融合理论框架及研究策略,采用熵值法与耦合协调度模型论证其融合效应,并尝试归纳其耦合协调中出现的问题,为打造新型数字化展览展示提出理论依据。
基于从头算的密度泛函理论及其微扰理论,利用广义梯度近似(GGA-PBE-1996)和赝势法,优化计算BCC-δ相铁的能量与晶格结构的关系,并得到了铁的熔化温度Tm与压强P的关系。研究结果表明:在0-6 Gpa下,计算BCC-δ相铁的熔化温度应考虑体积功的影响。
石墨烯有优良的光学、电学、力学性能,在材料科学、农林业、生物医学以及催化等领域有广泛的应用前景。本文综述了碳系材料中二维石墨烯及其氧化物—氧化石墨烯(GO)在作物培苗生长和有机电致发光器件(OLED)中的研究与应用,并对未来石墨烯在更多顶尖领域的应用和研究做了展望。
2020年的新冠肺炎疫情是对我国城市重大公共卫生应急管理能力和管理体系有效性的一次重大检验。文中运用AHP-TOPSIS组合原理研究城市公共卫生应急管理能力。首先,从防疫能力、抗疫能力、救援能力和恢复能力4个方面构建指标体系;其次,选取24个指标对安徽省16个城市进行了综合评价:研究发现安徽地区城市公共卫生应急管理能力存在比较明显的地域差异,依然有较大的提高和建设空间,安徽各市中,省会合肥市具有较高的公共卫生事件应急处理能力。最后,为安徽省城市公共卫生应急管理提供了合理建议。
Whittle估计在时间序列分析中虽然是一种被广泛应用的频域方法,但这种方法下产生的参数估计往往具有较大偏差。基于Whittle估计给出ARFIMA模型中参数估计的三种纠偏方法。数值模拟证实了给出的方法有效地减小了估计的偏差。
循环肿瘤细胞(circulating tumor cells,CTCs)是在肿瘤发展过程中,从肿瘤部位脱落并侵入外周血液中的肿瘤细胞,被认为携带有关肿瘤产生、发展和转移的重要信息,与肿瘤转移密切相关[1]。它是肿瘤新转移灶形成的前提,被认为是肿瘤组织转移的“种子”,可看作原发灶肿瘤细胞与转移灶肿瘤细胞之间的中间过渡态。CTCs从实体肿瘤病灶脱落后,借助血液循环系统逃逸并锚定,发展成为新的转移灶,极大地增加了肿瘤患者的死亡风险。据报道,90%的肿瘤患者因肿瘤转移而死亡[2]。从患者血液中分离并分析CTCs,
以微博为代表的社交平台已经成为人们获取信息和发布信息的重要途径,也成为虚假信息滋生的温床。包含虚假信息的微博往往含有明显的情感偏向。文章从情感分析角度出发,提出一种Bert模型结合BI-LSTM模型的虚假信息识别模型(LableBert模型):首先利用情感词典给情感词添加权重,改进Bert的预训练任务,以提升对于隐式情感特征的提取能力,并批量标注被掩盖单词的文本情感极性,以加强对文本中上下文的情感特征获取能力;然后结合BI-LSTM模型进行全连接操作,从而识别虚假信息。实验结果表明,该模型的准确率达到了9