• 使用受限玻尔兹曼机的图信号恢复;
• COVID-19对流动性和电动汽车充电负荷的影响;
• 使用数据科学工具探索一个国家的政治脉动;
• 最快检测出COVID-19大流行的开始;

使用受限玻尔兹曼机的图信号恢复

原文标题： Graph Signal Recovery Using Restricted Boltzmann Machines

地址： http://arxiv.org/abs/2011.10549

作者： Ankith Mohan, Aiichiro Nakano, Emilio Ferrara

摘要： 我们提出了一种与模型无关的流程，通过利用受限玻尔兹曼机的内容可寻址存储属性和神经网络的表示能力，从专家系统中恢复图信号。拟议中的管道需要使用向下的机器学习任务进行训练的深度神经网络，该任务具有干净的数据，这些数据不包含任何形式的损坏或不完整。我们显示，对深度神经网络学习的表示进行去噪通常比对数据本身进行去噪更有效。尽管此管道可以处理任何数据集中的噪声，但它对于图结构数据集特别有效。

COVID-19对流动性和电动汽车充电负荷的影响

原文标题： Impact of COVID-19 on Mobility and Electric Vehicle Charging Load

地址： http://arxiv.org/abs/2011.10182

作者： Alejandro Palomino, Masood Parvania, Regan Zane

摘要： COVID-19大流行抑制了全国的整体流动性。所看到的变化反映了对新的COVID-19病例，当地卫生指南和季节性的反应，从而使流动性与COVID-19之间的关系在每个地区之间都是独特的。本文介绍了在COVID-19之后电动汽车（EV）充电和移动性的数据驱动案例研究。研究表明，在犹他州发生首例COVID-19案例后，电动汽车的充电次数和每天消耗的总能量立即下降了40％。相比之下，每次充电会话所消耗的能量在同一时期仅下降了8％，并且会话开始时间和结束时间的分布在全年中保持一致。尽管在第一批COVID-19病例中，电动汽车的移动性比总的汽车移动性下降幅度更大，并且回弹速度更慢，但尽管在新的感染中出现了第三波巨浪，但电动汽车的移动性都在2020年9月前均回到了接近其平均值的稳定水平。

使用数据科学工具探索一个国家的政治脉动

原文标题： Exploring the political pulse of a country using data science tools

地址： http://arxiv.org/abs/2011.10264

作者： Miguel G. Folgado, Verónica Sanz

摘要： 在本文中，我们说明了使用数据科学技术来分析复杂的人类交流。特别是，我们将政党领导人的推文视为政治计划和思想的动态替代。我们还研究了其内容的时间演变，作为对特定事件的反应。我们使用适用于社交媒体的新工具来分析推文中正面和负面情绪的水平。我们还会训练人工智能以识别推文的政治归属。 AI能够以71-75％的精度预测推文的来源，并以90％的精度预测政治倾向（左或右）。在数据科学与政治分析之间的界面上，本研究应被视为跨学科性质的概念证明。

最快检测出COVID-19大流行的开始

原文标题： Quickest Detection of COVID-19 Pandemic Onset

地址： http://arxiv.org/abs/2011.10502

作者： Paolo Braca, Domenico Gaglione, Stefano Marano, Leonardo M. Millefiori, Peter Willett, Krishna Pattipati

摘要： 什么时候应采取限制性措施遏制COVID-19大流行性爆炸？信号处理工具在以完全合理的方式解释大流行数据，从而积极支持政治决策者方面发挥着重要作用。在本文中，我们利用应用于大流行时间序列的最快检测理论来大规模预测COVID-19感染的爆发。我们开发了著名的Page的CUSUM测试版本，专门针对大流行数据量身定制。 [1]中详细介绍了该方法在每天公开发布的来自不同国家的新阳性个体中的应用。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。