更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
因果涌现
(查看源代码)
2024年8月5日 (一) 14:24的版本
添加4字节
、
2024年8月5日 (星期一)
→其他(Dynamic independence等)
第153行:
第153行:
[[文件:动力学解耦例子.png|居中|600x500像素|缩略图|线性动力学解耦例子]]
[[文件:动力学解耦例子.png|居中|600x500像素|缩略图|线性动力学解耦例子]]
−
文中,作者在线性系统中进行了实验验证,实验流程是:1)使用线性系统生成参数与规律;2)设定粗粒化函数;3
)得到转移熵的表达式;4)优化求解最大脱耦合率的粗粒化方法(对应最小转移熵)。这里的优化算法可以使用转移熵作为优化目标,然后使用[[梯度下降算法]]来求解符合的粗粒化函数,也可以使用[[遗传算法]]来优化。上图展示了一个线性系统的例子,动力学是一个向量自回归的模型,图a是一个格兰杰因果网络,图b是使用遗传算法不同的初始化迭代的结果,纵轴表示动力学解耦的程度,图c表示不同的粗粒化尺度会影响能否优化到[[动力学解耦]]的程度,结果发现只有scale=2和6时可能达到动力学解耦,因此尺度的选择也很重要。
+
文中,作者在[[线性系统]]中进行了实验验证,实验流程是:1)使用线性系统生成参数与规律;2)设定粗粒化函数;3
)得到转移熵的表达式;4)优化求解最大脱耦合率的粗粒化方法(对应最小转移熵)。这里的优化算法可以使用转移熵作为优化目标,然后使用[[梯度下降算法]]来求解符合的粗粒化函数,也可以使用[[遗传算法]]来优化。上图展示了一个线性系统的例子,动力学是一个向量自回归的模型,图a是一个格兰杰因果网络,图b是使用遗传算法不同的初始化迭代的结果,纵轴表示动力学解耦的程度,图c表示不同的粗粒化尺度会影响能否优化到[[动力学解耦]]的程度,结果发现只有scale=2和6时可能达到动力学解耦,因此尺度的选择也很重要。
===几种因果涌现理论比较===
===几种因果涌现理论比较===
相信未来
1,881
个编辑
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
集智百科
集智主页
集智斑图
集智学园
最近更改
所有页面
帮助
工具
特殊页面
可打印版本