68
个编辑
更改
跳到导航
跳到搜索
小第58行：
第58行： − + + + + 第117行：
第120行： − + 第339行：
第342行： − +
添加NIS结构图
==神经网络框架 ==
==神经网络框架 ==
[[文件:NIS Graph 1.png|居中|600px|'''图1.''' 神经信息压缩器的工作流程和框架。]]作为神经网络框架，NIS本质上是一个隐空间动力学学习框架。其分为编码器、动力学学习器与解码器，可以由微观状态的时间序列输入、经训练后输出如下四个部分：
[[文件:NIS Structure.png||居中|400px|NIS框架简介]]
作为神经网络框架，NIS本质上是一个隐空间动力学学习框架。其分为编码器、动力学学习器与解码器，可以由微观状态的时间序列输入、经训练后输出如下四个部分：
*尺度M下的粗粒化策略（由可逆神经网络INN表示）；
*尺度M下的粗粒化策略（由可逆神经网络INN表示）；
=NIS框架=
= NIS框架=
NIS是一种新的机器学习框架，基于可逆神经网络来解决式6中提出的问题。其由三个组件组成：编码器、动力学学习器和解码器。它们分别用神经网络 <math>\psi_\alpha , f_\beta ,</math> 和<math>\psi_\alpha^{-1}</math> 表示，参数分别为<math>\alpha, \beta</math> 和<math>\alpha</math> 。整个框架如图1所示。接下来将分别描述每个模块。
NIS是一种新的机器学习框架，基于可逆神经网络来解决式6中提出的问题。其由三个组件组成：编码器、动力学学习器和解码器。它们分别用神经网络 <math>\psi_\alpha , f_\beta ,</math> 和<math>\psi_\alpha^{-1}</math> 表示，参数分别为<math>\alpha, \beta</math> 和<math>\alpha</math> 。整个框架如图1所示。接下来将分别描述每个模块。
===文章推荐===
=== 文章推荐===
*Zhang, J.; Liu, K. [https://www.mdpi.com/1099-4300/25/1/26 Neural Information Squeezer for Causal Emergence]. ''Entropy'' 2023, ''25'', 26.
*Zhang, J.; Liu, K. [https://www.mdpi.com/1099-4300/25/1/26 Neural Information Squeezer for Causal Emergence]. ''Entropy'' 2023, ''25'', 26.