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) 11:12的版本
添加1字节
、
2024年9月24日 (星期二)
小
无编辑摘要
第261行:
第261行:
'''软化置换矩阵:'''
'''软化置换矩阵:'''
−
a)随机生成一个N阶置换矩阵P
;
+
1)随机生成一个N阶置换矩阵P
;
−
b)对于P中的每个行向量
<math>P_{i}</math>,假设1元素的位置是<math>j_{1}</math>,我们将<math>P_{i}</math>的所有条目填入位于<math>j_{1}</math>处的高斯分布中心的概率,即<math>P'_{i,j} = \frac{1}{\sqrt{2\pi}\sigma} \exp\left( -\frac{(j - j_i)^2}{\sigma^2} \right)</math>,其中,<math>\sigma</math>是软化程度的自由参数;
+
2)对于P中的每个行向量
<math>P_{i}</math>,假设1元素的位置是<math>j_{1}</math>,我们将<math>P_{i}</math>的所有条目填入位于<math>j_{1}</math>处的高斯分布中心的概率,即<math>P'_{i,j} = \frac{1}{\sqrt{2\pi}\sigma} \exp\left( -\frac{(j - j_i)^2}{\sigma^2} \right)</math>,其中,<math>\sigma</math>是软化程度的自由参数;
−
c
)将<math>\sum_{j=1}^{N} P'_{ij} = 1
+
3
) 将<math>\sum_{j=1}^{N} P'_{ij} = 1
</math>除以新的行向量,使其归一化,这样修改后的矩阵<math>P'</math>也是一个TPM。
</math>除以新的行向量,使其归一化,这样修改后的矩阵<math>P'</math>也是一个TPM。
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