更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
基于有效信息的因果涌现理论
(查看源代码)
2024年10月26日 (六) 14:58的版本
添加778字节
、
2024年10月26日 (六) 14:58
→状态空间的因果涌现
第256行:
第256行:
&1/7 &1/7 &1/7 &1/7 &1/7 &1/7 &1/7 &0& \\
&1/7 &1/7 &1/7 &1/7 &1/7 &1/7 &1/7 &0& \\
&1/7 &1/7 &1/7 &1/7 &1/7 &1/7 &1/7 &0& \\
&1/7 &1/7 &1/7 &1/7 &1/7 &1/7 &1/7 &0& \\
−
&0 &0 &0 &0 &0 &0 &0 &1
/7
& \\
+
&0 &0 &0 &0 &0 &0 &0 &1& \\
\end{pmatrix}
\end{pmatrix}
</math>
</math>
+
+
我们可以看出,如果当前处于前7个中任意一个状态,下一时刻以等概率转移至7个状态中的某一个,这样的马尔科夫链确定性和非简并性均不高,故EI不高,仅有0.55比特。进一步观察可以发现,前7个状态和最后1个状态间是相互“独立”,处于前7个状态没有机会转移至第8个状态,处于第8个状态则将一直保持在该状态。因此,考虑把前7个状态粗粒化为1个宏观状态,第8个状态为另一个宏观状态,这时的转移概率矩阵将成为一个单位矩阵:
+
+
<math>
+
P_M=\begin{pmatrix}
+
&1 &0& \\
+
&0 &1& \\
+
\end{pmatrix}
+
</math>
+
+
此时,对状态粗粒化后得到的EI为1比特,因果涌现值的大小<math>CE = EI(f_M) - EI(f_m) = 0.45 bits</math>。
== 变量角度的因果涌现 ==
== 变量角度的因果涌现 ==
相信未来
5,443
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
捐赠我们
帮助
工具
特殊页面
可打印版本