第16行: |
第16行: |
| | | |
| PLL:我都是一个编辑好几个小时,最后统一提交的,完整版1.0上线。 | | PLL:我都是一个编辑好几个小时,最后统一提交的,完整版1.0上线。 |
| + | |
| + | YMZ:OK,可以先把“其他”这部分删去,下周差不多就给张老师看~ |
| | | |
| ==SIR实验== | | ==SIR实验== |
| | | |
− | * SIR(易感、感染、恢复或死亡)模型是一个简单的宏观动态系统 | + | * 这说明在编码器和解码器中使用可逆神经网络。 |
| | | |
− | 这里要写出SIR的英文全称
| + | 这句话没有说完 |
| | | |
− | PLL:已改->SIR(Susceptible Infected Recovered Model)模型是一个简单的宏观动态系统,
| + | * 以图(a)中带点区域()为训练数据集,以图(a)中整个蓝色三角形为测试数据集。 |
| | | |
− | * 此实验有四个基本目标
| + | 这个地方再稍微解释一下数据集的设计 |
− | | |
− | 这里的四个目标和后面实验有重合。可以改成强调这个实验独特的作用:它是一个已知宏观机制的玩具模型,可以验证NIS+是否真的做到了宏观有效信息最大化。后面增强泛化能力等等可以结合具体子图来讲
| |
− | | |
− | PLL:已改
| |
| | | |
| * 设置感染率β = 1、康复率γ = 0.5。由于模型只有两个自由度(<math>S + I + R = 1 </math>),故仅用S和I构成宏观状态变量<math>\boldsymbol{y}=(S,I) </math>。 | | * 设置感染率β = 1、康复率γ = 0.5。由于模型只有两个自由度(<math>S + I + R = 1 </math>),故仅用S和I构成宏观状态变量<math>\boldsymbol{y}=(S,I) </math>。 |
第36行: |
第34行: |
| | | |
| PLL:已改->在此实验中,学者设置感染率β = 1、康复率γ = 0.5。由于SIR模型只有两个自由度([math]\displaystyle{ S + I + R = 1 }[/math]),故学者仅用S和I构成宏观状态变量[math]\displaystyle{ \boldsymbol{y}=(S,I) }[/math]。 | | PLL:已改->在此实验中,学者设置感染率β = 1、康复率γ = 0.5。由于SIR模型只有两个自由度([math]\displaystyle{ S + I + R = 1 }[/math]),故学者仅用S和I构成宏观状态变量[math]\displaystyle{ \boldsymbol{y}=(S,I) }[/math]。 |
| + | |
| + | YMZ:句子没有问题了,但人称总感觉怪怪的。目前文中第一人称第三人称都有,要整体统一一下。我觉得还是要用第三人称,但“学者”看起来就怪怪的~要不统一用“作者”? |
| + | |
| + | YMZ:另外目前文中没有对SIR的具体解释。还是要给出它们的动力学方程,并说明它们分别表示的是比例。 |
| + | |
| + | * EI最大化和量化CE |
| + | |
| + | 这部分往前放,作为第一个结果分析。另外这里“量化CE”改成“识别CE”更准确,文中其他地方还有类似的情况。 |
| + | |
| + | * 类似于ground-truth |
| + | |
| + | ground-truth可以翻译为“真实的宏观机制”或“底层机制”。NIS+学习到的宏观动力学更接近真实宏观机制。 |
| + | |
| + | ==Boids模型实验== |
| + | |
| + | * 多智能体 |
| + | |
| + | 多主体 |
| + | |
| + | * 有两个基本目标 |
| + | |
| + | 目标划分统一一下,后面列了三个点,下文有四个小标题~另外列目标的时候加上“NIS+”作主语或宾语 |
| + | |
| + | * 根据观察,CE在q = 8时达到最大值,如图(c)所示,这与本实验选择超参数q = 8(宏观变量的维度)相符。 |
| + | |
| + | 为什么宏观维度应该是8维?要解释一下它的物理含义。另外图片需要更新一下,你可以检查一下最新论文,新图里鸟群还测了更低维度的CE |
| + | |
| + | * 尝试解释此模型得到的宏观与微观的显式对应关系 |
| + | |
| + | 这个叙述作为标题不太好。另外这块的语言再检查检查,还有不少翻译的痕迹和小错误~ |