更改

====基于Rosas因果涌现理论的近似方法====

====基于  Rosas 因果涌现理论的近似方法====

[[Rosas的因果涌现理论]]包含了基于[[协同信息]]的量化方法和基于[[特有信息]]的量化方法，其中第二种方法可以绕开多变量的组合爆炸问题，但是依赖粗粒化方法和宏观态变量<math>V</math> 的选择。为了解决这个问题，作者给出了两种解决方案，一种是通过研究者指定一个宏观态 <math>V</math>，另一种是基于机器学习的方法，通过最大化 <math>\mathrm{\Psi} </math>，让系统自动学习到宏观态变量 <math>V</math>。下面我们分别介绍这两种方法:

[[Rosas的因果涌现理论|Rosas 的因果涌现理论]]包含了基于[[协同信息]]的量化方法和基于[[特有信息]]的量化方法，其中第二种方法可以绕开多变量的组合爆炸问题，但是依赖粗粒化方法和宏观态变量<math>V</math> 的选择。为了解决这个问题，作者给出了两种解决方案，一种是通过研究者指定一个宏观态 <math>V</math>，另一种是基于机器学习的方法，通过最大化 <math>\mathrm{\Psi} </math>，让系统自动学习到宏观态变量 <math>V</math>。下面我们分别介绍这两种方法:

=====基于互信息近似的方法=====

=====基于互信息近似的方法=====

[[Rosas的因果涌现理论]]虽然已经给出了因果涌现的严格定义，但在计算中涉及到很多变量的组合爆炸问题，因此难以将该方法应用于实际系统。为了解决这个问题，Rosas等绕开了特有信息和协同信息的精确计算 <ref name=":5" />，而提了一种只需要计算[[互信息]]的近似公式，并推导出一个判定因果涌现发生的充分条件。

[[Rosas的因果涌现理论|Rosas 的因果涌现理论]]虽然已经给出了因果涌现的严格定义，但在计算中涉及到很多变量的组合爆炸问题，因此难以将该方法应用于实际系统。为了解决这个问题，Rosas 等绕开了特有信息和协同信息的精确计算 <ref name=":5" />，而提了一种只需要计算[[互信息]]的近似公式，并推导出一个判定因果涌现发生的充分条件。