更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
神经网络的有效信息计算
(查看源代码)
2025年1月12日 (日) 04:28的版本
删除1字节
、
2025年1月12日 (日) 04:28
→有效信息计算方法
第152行:
第152行:
NIS框架通过两阶段优化过程最大化EI:
NIS框架通过两阶段优化过程最大化EI:
+
1. 阶段一:预测训练
1. 阶段一:预测训练
通过最小化预测误差约束粗粒化策略,目标函数为:
通过最小化预测误差约束粗粒化策略,目标函数为:
第160行:
第161行:
2. 阶段二:搜索最优粗粒化维度
2. 阶段二:搜索最优粗粒化维度
−
对所有可能的宏观状态维度 <math>q</math> 进行搜索,找到使 <math>dEI</math> 最大化的粗粒化策略。
+
+
对所有可能的宏观状态维度 <math>q</math> 进行搜索,找到使 <math>dEI</math> 最大化的粗粒化策略。
最后,NIS框架将EI的计算与信息通道(Information Channel)理论结合,粗粒化过程被视为一个受限的信息通道。通过优化雅可比矩阵的行列式和投影算子,NIS框架能够同时提高宏观动态的因果性和预测性能。
最后,NIS框架将EI的计算与信息通道(Information Channel)理论结合,粗粒化过程被视为一个受限的信息通道。通过优化雅可比矩阵的行列式和投影算子,NIS框架能够同时提高宏观动态的因果性和预测性能。
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