打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←上一编辑
下一编辑→
基于信息分解的因果涌现理论
(查看源代码)
2025年3月17日 (一) 06:37的版本
删除12字节
、
2025年3月17日 (一) 06:37
→因果涌现框架
第152行:
第152行:
V_t = f(X_t)
V_t = f(X_t)
</math>
</math>
−
其中,函数 <math>f(\cdot)</math>
代表某种确定性或随机性的映射,将高维的微观状态映射到较低维的宏观表征。因此,宏观状态
<math>V_t</math> 是 <math>X_t</math> 的随附特征(supervenience),意味着 <math>V_t</math> 的值完全依赖于 <math>X_t</math>,但不同的粗粒化方法可能导致不同的宏观表征。
+
其中,函数 <math>f(\cdot)</math>
代表某种确定性的映射,将高维的微观状态映射到较低维的宏观表征。因此,宏观状态
<math>V_t</math> 是 <math>X_t</math> 的随附特征(supervenience),意味着 <math>V_t</math> 的值完全依赖于 <math>X_t</math>,但不同的粗粒化方法可能导致不同的宏观表征。
在系统的时间演化过程中,微观状态 <math>X_t</math> 影响下一时刻的微观状态 <math>X_{t+1}</math>,即:
在系统的时间演化过程中,微观状态 <math>X_t</math> 影响下一时刻的微观状态 <math>X_{t+1}</math>,即:
相信未来
5,443
个编辑