更改

<math>EI_L\left(f\right)=IdoX∼U-LLn;Y≈-n+nln⁡2π+i=1nσi22+nln⁡2L+ΕX∼U-LLnln⁡|det⁡∂X'fX|) </math>

<math>EI_L\left(f\right)=IdoX∼U-LLn;Y≈-n+nln⁡2π+i=1nσi22+nln⁡2L+ΕX∼U-LLnln⁡|det⁡∂X'fX|) </math>

其中<math>U\left(\left[-L^{\prime} L\right]^n\right) </math>表示范围<math>\left[-L^{\prime} L\right] </math>在上的<math>n </math>维均匀分布，<math>\sigma_i </math>是输出<math>Y_i </math>的标准差，可以通过<math>Y_i </math>的均方误差来估计，<math>det </math>表示函数<math>f </math>的雅可比行列式。为了消除有效信息计算公式会受到输入维度的影响，作者定义了新的有效信息计算公式<math>d E I_L(f) </math>，具体公式如下所示：

其中<math>U\left(\left[-L^{\prime}, L\right]^n\right) </math>表示范围<math>\left[-L^{\prime} ,L\right] </math>在上的<math>n </math>维均匀分布，<math>\sigma_i </math>是输出<math>Y_i </math>的标准差，可以通过<math>Y_i </math>的均方误差来估计，<math>det </math>表示函数<math>f </math>的雅可比行列式。为了消除有效信息计算公式会受到输入维度的影响，作者定义了新的有效信息计算公式<math>d E I_L(f) </math>，具体公式如下所示：

<math>\left.d E I_L(f) \approx-\frac{1+\ln (2 \pi)+\sum_{i=1}^n \frac{\sigma_i^2}{n}}{2}+\ln (2 L)+\frac{1}{n} E_{X \sim U\left([-L \cdot L]^n\right)}\left(\ln \mid \operatorname{det}\left(\partial_{X^{\prime}} f(X)\right)\right) \mid\right) </math>

<math>\left.d E I_L(f) \approx-\frac{1+\ln (2 \pi)+\sum_{i=1}^n \frac{\sigma_i^2}{n}}{2}+\ln (2 L)+\frac{1}{n} E_{X \sim U\left([-L \cdot L]^n\right)}\left(\ln \mid \operatorname{det}\left(\partial_{X^{\prime}} f(X)\right)\right) \mid\right) </math>