更改

跳到导航 跳到搜索
添加5字节 、 2024年8月25日 (星期日)
第192行: 第192行:     
==因果涌现的识别==
 
==因果涌现的识别==
前面已经介绍了一些通过因果关系和其他信息理论概念来量化涌现的工作。然而,在实际应用中,我们往往只能收集到观测数据,而无法得到系统的真实动力学。因此,从可观测数据中辨别系统是否发生了因果涌现是一个更为重要的问题。下面介绍两种因果涌现的识别方法,包括基于[[Rosas因果涌现]]理论的近似方法和基于[[机器学习]]和[[神经网络]]的[[神经信息压缩]](NIS)方法。
+
前面已经介绍了一些通过因果关系和其他信息理论概念来量化涌现的工作。然而,在实际应用中,我们往往只能收集到观测数据,而无法得到系统的真实动力学。因此,从可观测数据中辨别系统是否发生了因果涌现是一个更为重要的问题。下面介绍两种因果涌现的识别方法,包括基于[[Rosas因果涌现]]理论的近似方法和基于[[机器学习]]和[[神经网络]]的[[神经信息压缩]](NIS,NIS+)方法。
    
====基于Rosas因果涌现理论的近似方法====
 
====基于Rosas因果涌现理论的近似方法====
2,437

个编辑

导航菜单