225
个编辑
更改
跳到导航
跳到搜索
第398行：
第398行： − + − − − − − − − − − − − − − − − − 第427行：
第411行： − + − − − − − − − − − − − − − − − − − − − 第455行：
第420行： − + − − − − − − − − − − − − − − − − − − − −
→应用案例
</math>的方差越大，产生因果涌现的潜在可能性就越高。
</math>的方差越大，产生因果涌现的潜在可能性就越高。
[[文件:C3d90f04-1536-4e92-a438-41d1213f2f81.png|缩略图|411x411px|随机游走相关实验结果|替代=|左]]
[[文件:C3d90f04-1536-4e92-a438-41d1213f2f81.png|缩略图|411x411px|随机游走相关实验结果|替代=|无]]
=== 热量耗散 ===
=== 热量耗散 ===
</math>越小，系统的简并性越弱，最优的因果涌现的程度会越强。我们还可以将依赖数据的因果涌现数值解，和不依赖数据的因果涌现解析解进行比较，可以发现随着样本量的增加，因果涌现的数值解逐渐接近解析解。
</math>越小，系统的简并性越弱，最优的因果涌现的程度会越强。我们还可以将依赖数据的因果涌现数值解，和不依赖数据的因果涌现解析解进行比较，可以发现随着样本量的增加，因果涌现的数值解逐渐接近解析解。
[[文件:Output.png|缩略图|436x436px|热量耗散模型相关实验结果|替代=|左]]
[[文件:Output.png|缩略图|436x436px|热量耗散模型相关实验结果|替代=|无]]
=== 三维空间的旋转模型 ===
=== 三维空间的旋转模型 ===
如果系统是收敛到一个平面，那么该平面能反映系统的演化方向，这时压缩到二维，会产生最大的因果涌现。由于旋转矩阵会出现复数特征根，我们根据特征根的模长计算因果涌现，之所以不压缩到一维，是因为前两个特征值是共轭复数，模长相等，压缩到一维不会增强因果涌现，反而会使误差变得更大。
如果系统是收敛到一个平面，那么该平面能反映系统的演化方向，这时压缩到二维，会产生最大的因果涌现。由于旋转矩阵会出现复数特征根，我们根据特征根的模长计算因果涌现，之所以不压缩到一维，是因为前两个特征值是共轭复数，模长相等，压缩到一维不会增强因果涌现，反而会使误差变得更大。
[[文件:0300b2a3-8a32-4c57-a956-553b7fb92a6f.png|缩略图|431x431px|旋转模型相关实验|替代=|左]]
[[文件:0300b2a3-8a32-4c57-a956-553b7fb92a6f.png|缩略图|431x431px|旋转模型相关实验|替代=|无]]
旋转模型为因果涌现的意义提供了最直观且可视化的理解方式，也为拓展到高维空间的变量与数据提供了入门的基础。
旋转模型为因果涌现的意义提供了最直观且可视化的理解方式，也为拓展到高维空间的变量与数据提供了入门的基础。