5,443
个编辑
更改
跳到导航
跳到搜索
第214行：
第214行： − − 注：以下TPM行列对应的系统状态，排列按照python代码生成： − list(np.array(np.meshgrid(*[[0, 1]] * num_nodes)).T.reshape(-1, num_nodes))。 第264行：
第261行： + + + + +
→因果涌现实例
==因果涌现实例==
==因果涌现实例==
=== 基于状态的因果涌现实例 ===
=== 基于状态的因果涌现实例 ===
在下面的讨论中，[math]X_m[/math]表示微观变量的集合；[math]X_M[/math]表示宏观变量的集合。微观变量的取值集合为[math]\{0,1\}[/math]，即都是布尔值变量，我们用拉丁字母[math]\{A, B, C…\}[/math]来表示，宏观变量则用希腊字母[math]\{α， β， γ. .\}[/math]表示。每个微观变量的状态标记为[math]\{0,1\}[/math]，宏观变量的状态标记为[math]\{“on”，“off”\}[/math]或[math]\{“bursting”，“quiet”\}[/math]。微观态对应的转移概率矩阵(TPM)为[math]P_m[/math]，宏观态对应的转移概率矩阵(TPM)为[math]P_M[/math]。
在下面的讨论中，[math]X_m[/math]表示微观变量的集合；[math]X_M[/math]表示宏观变量的集合。微观变量的取值集合为[math]\{0,1\}[/math]，即都是布尔值变量，我们用拉丁字母[math]\{A, B, C…\}[/math]来表示，宏观变量则用希腊字母[math]\{α， β， γ. .\}[/math]表示。每个微观变量的状态标记为[math]\{0,1\}[/math]，宏观变量的状态标记为[math]\{“on”，“off”\}[/math]或[math]\{“bursting”，“quiet”\}[/math]。微观态对应的转移概率矩阵(TPM)为[math]P_m[/math]，宏观态对应的转移概率矩阵(TPM)为[math]P_M[/math]。
注：以下TPM行列对应的系统状态，排列按照python代码生成：
<syntaxhighlight lang="python3">
list(np.array(np.meshgrid(*[[0, 1]] * num_nodes)).T.reshape(-1, num_nodes))
</syntaxhighlight>
==== 空间因果涌现 ====
==== 空间因果涌现 ====