138
个编辑
更改
跳到导航
跳到搜索
第234行：
第234行： − + 第246行：
第246行： − + − +
无编辑摘要
下为一些链接能够更好的了解因果涌现的相关信息：
下为一些链接能够更好的了解因果涌现的相关信息：
==== 因果涌现读书会： ====
==== 因果涌现读书会 ====
*[https://campus.swarma.org/course/3110 因果涌现读书会简介]
*[https://campus.swarma.org/course/3110 因果涌现读书会简介]
[[文件:读书会通过阅读前沿文献，加深我们对因果、涌现等概念的理解；聚焦于寻找因果与涌现、多尺度等概念相结合的研究方向；并探索复杂系统多尺度自动建模的研究方向。.jpg|缩略图|346x346px|读书会通过阅读前沿文献，加深我们对因果、涌现等概念的理解；聚焦于寻找因果与涌现、多尺度等概念相结合的研究方向；并探索复杂系统多尺度自动建模的研究方向。]]分享近期发展起来的一些理论与工具，包括因果涌现理论、机器学习驱动的重整化技术，以及自指动力学正在发展一套跨尺度的分析框架等。
[[文件:读书会通过阅读前沿文献，加深我们对因果、涌现等概念的理解；聚焦于寻找因果与涌现、多尺度等概念相结合的研究方向；并探索复杂系统多尺度自动建模的研究方向。.jpg|缩略图|346x346px|读书会通过阅读前沿文献，加深我们对因果、涌现等概念的理解；聚焦于寻找因果与涌现、多尺度等概念相结合的研究方向；并探索复杂系统多尺度自动建模的研究方向。]]分享近期发展起来的一些理论与工具，包括因果涌现理论、机器学习驱动的重整化技术，以及自指动力学正在发展一套跨尺度的分析框架等。
读书会通过阅读前沿文献，加深我们对因果、涌现等概念的理解；聚焦于寻找因果与涌现、多尺度等概念相结合的研究方向；并探索复杂系统多尺度自动建模的研究方向。
读书会通过阅读前沿文献，加深我们对因果、涌现等概念的理解；聚焦于寻找因果与涌现、多尺度等概念相结合的研究方向；并探索复杂系统多尺度自动建模的研究方向。
==== 文章推荐： ====
==== 文章推荐 ====
*[https://www.mdpi.com/1099-4300/25/1/26 Neural Information Squeezer for Causal Emergence]
*Zhang, J.; Liu, K. [https://www.mdpi.com/1099-4300/25/1/26 Neural Information Squeezer for Causal Emergence]. ''Entropy'' 2023, ''25'', 26.
文章提出了一种名为 "神经信息挤压器"（Neural Information Squeezer）的通用机器学习框架，以自动提取有效的粗粒化策略和宏观动态，并直接从时间序列数据中识别因果涌现。
文章提出了一种名为 "神经信息挤压器"（Neural Information Squeezer）的通用机器学习框架，以自动提取有效的粗粒化策略和宏观动态，并直接从时间序列数据中识别因果涌现。