更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
基于可逆性的因果涌现理论
(查看源代码)
2024年9月24日 (二) 10:50的版本
删除352字节
、
2024年9月24日 (星期二)
小
无编辑摘要
第147行:
第147行:
</math>总是小于1。
</math>总是小于1。
−
=== 具体例子 ===
−
在下图中,作者给出了四个具体马尔科夫链的例子,该马氏链的状态转移矩阵如图所示。我们可以对比该马氏链的<math>EI</math>和近似动力学可逆性(图中的<math>\Gamma</math>,即<math>\Gamma_{\alpha=1}</math>)。对比图(a),(b),我们发现对于不同的状态转移矩阵,<math>EI</math>降低的时候,<math>\Gamma</math>也同步降低。进一步,图c和d是对比粗粒化前后的效果,其中图d是对图c状态转移矩阵的粗粒化(将前三个状态归并为一个宏观态)。由于宏观状态转移矩阵图d是一个[[确定性系统]],因此,归一化后的<math>EI</math>,<math>eff\equiv EI/\log N</math>和归一化后的[math]\Gamma[/math]:<math>\gamma\equiv \Gamma/N</math>都达到了最大值1。
−
−
[[文件:Gamma例子.png|587x587像素]]
−
−
一方面,EI 表征了马尔可夫链的因果效应强度;另一方面,<math>
−
\Gamma_{\alpha}
−
</math>可以定量地捕捉马尔可夫链的近似动力学可逆性。基于可逆性的因果涌现理论认为,因果关系和可逆性之间有着深刻的联系。首先,如下定理所述,EI 和<math>\log\Gamma_{\alpha}</math> 有相同的最小值和最大值。
'''定理3:'''对于任意 TPM P 和 <math>
'''定理3:'''对于任意 TPM P 和 <math>
第190行:
第182行:
\end{aligned}
\end{aligned}
</math>
</math>
+
</blockquote>
+
+
=== 具体例子 ===
+
在下图中,作者给出了四个具体马尔科夫链的例子,该马氏链的状态转移矩阵如图所示。我们可以对比该马氏链的<math>EI</math>和近似动力学可逆性(图中的<math>\Gamma</math>,即<math>\Gamma_{\alpha=1}</math>)。对比图(a),(b),我们发现对于不同的状态转移矩阵,<math>EI</math>降低的时候,<math>\Gamma</math>也同步降低。进一步,图c和d是对比粗粒化前后的效果,其中图d是对图c状态转移矩阵的粗粒化(将前三个状态归并为一个宏观态)。由于宏观状态转移矩阵图d是一个[[确定性系统]],因此,归一化后的<math>EI</math>,<math>eff\equiv EI/\log N</math>和归一化后的[math]\Gamma[/math]:<math>\gamma\equiv \Gamma/N</math>都达到了最大值1。
+
+
[[文件:Gamma例子.png|587x587像素]]<blockquote>
+
</blockquote>
</blockquote>
GongMingkang
140
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