251
个编辑
更改
跳到导航
跳到搜索
第343行：
第343行： − Y_t+1+ − y_t+1+
→关键定理与证明
在此章节，作者将使用大写字母来表示相应的随机变量。例如，<math>X_{t} </math>表示时间t的微观状态<math>x_{t} </math>的随机变量，<math>
在此章节，作者将使用大写字母来表示相应的随机变量。例如，<math>X_{t} </math>表示时间t的微观状态<math>x_{t} </math>的随机变量，<math>
Y_{t+1}
</math>表示时间t+1的宏观状态<math>
</math>表示时间t+1的宏观状态<math>
y_{t+1}
</math>对应的随机变量。对于任意随机变量X， <math>\tilde{X} </math>表示干预后的同一随机变量X。<math>\hat{X} </math>表示神经网络对X的预测。
</math>对应的随机变量。对于任意随机变量X， <math>\tilde{X} </math>表示干预后的同一随机变量X。<math>\hat{X} </math>表示神经网络对X的预测。