5,443
个编辑
更改
跳到导航
跳到搜索
第651行：
第651行： − +
→SIR模型
===SIR模型===
===SIR模型===
在NIS+词条中的SIR模型在这里也可以通过可逆性与SVD分解计算因果涌现并研究其底层产生涌现的机理。现实中的大多数系统都无法获得精确的动态模型来计算因果涌现的解析解。然而，我们可以通过观察到的时间序列数据训练神经网络来获得近似动力学。我们用神经网络（NN）在易感-感染-恢复（SIR）模型生成的训练时间序列数据上获得的因果涌现现象，模型有两个自由度，如下所示
在NIS+词条中的SIR模型在这里也可以通过可逆性与SVD分解计算因果涌现并研究其底层产生涌现的机理。现实中的大多数系统都无法获得精确的动态模型来计算因果涌现的解析解。然而，我们可以通过观察到的时间序列数据训练神经网络来获得近似动力学。我们用神经网络（NN）在易感-感染-恢复（SIR）模型生成的训练时间序列数据上产生因果涌现现象，模型有两个自由度，如下所示
<blockquote>
<blockquote>
<math>
<math>