225
个编辑
更改
跳到导航
跳到搜索
第74行：
第74行： − 这样因果涌现就可以写成+ + + 第283行：
第285行： − + 第306行：
第308行： + + + + + + + + + +
→近似化简
</math>
</math>
从中我们可以清楚地看到，一个系统有效信息的大小主要由两个因素决定，一个是迭代函数梯度的大小，另一个就是随机噪声协方差的大小，梯度越大，协方差越小，意味着有效信息越大，因果效应越强。
在得知有效信息的基础上，因果涌现就可以写成
<math>
<math>
</math>的解空间我们可以写成
</math>的解空间我们可以写成
[[文件:随机迭代系统因果涌现因果涌现最大化的粗粒化函数解集.pdf|缩略图]]
<math>
<math>
w_{11}v_{13}+w_{12}v_{23}+w_{13}v_{33}=0,\\
w_{11}v_{13}+w_{12}v_{23}+w_{13}v_{33}=0,\\
</math>维空间中的超椭圆组成的空间。
</math>维空间中的超椭圆组成的空间。
从中我们可以发现，因果涌现最大化的条件有两点，第一，我们需要保留迭代参数矩阵最大的<math>
k
</math>个特征值，舍弃较小的<math>
n-k
</math>个特征值；第二，我们要将我们的随机噪声进行降噪，在保留一定信息熵的基础上，将噪声最小化。