812
个编辑
更改
跳到导航
跳到搜索
第341行：
第341行： − 我们得出这个结论的目标其实是想，借助HON方法的consistency的性质，说明lumpable partition的聚合方式，也有consistency的性质。+ 第353行：
第353行： − 实验发现，对不同节点规模以及参数下的微观网络，使用HON粗粒化后的宏观网络的不一致性随着迭代步数的增加都会收敛到0。这说明，HON构建的宏观网络和微观网络是保持一致的。回到上面的推断，我们就能得出，根据lumpable partition而做的粗粒化，构建的和宏观网络和微观网络也是保持一致的。+
→Lumpable Partition粗粒化的一致性Consistency
我们得出这个结论的目标是，借助HON方法的consistency的性质，说明lumpable partition的聚合方式，也有consistency的性质。
以下关于'''网络动力学的一致性'''的描述节选自[[复杂网络中的因果涌现]]：
以下关于'''网络动力学的一致性'''的描述节选自[[复杂网络中的因果涌现]]：
也就是说，Inconsistency 等于 宏观和微观网络节点在不同时刻的概率分布的[[KL散度]]之和。
也就是说，Inconsistency 等于 宏观和微观网络节点在不同时刻的概率分布的[[KL散度]]之和。
实验发现，对不同节点规模以及参数下的微观网络，使用HON粗粒化后的宏观网络的不一致性随着迭代步数的增加都会收敛到0。这说明，HON构建的宏观网络和微观网络是保持一致的。回到上面lumpable partition 等于HON的推断，我们就能得出，根据lumpable partition而做的粗粒化，构建的和宏观网络和微观网络也是保持一致的。