5,443
个编辑
更改
→有效信息的分解
1.敏感性（Sensitivity）
1.敏感性（Sensitivity）
敏感性衡量的是网络中每个边对输出的独立贡献,即输入层的每个节点对输出层每个节点的单独影响有多大。具体来说，敏感性是每个输入节点 <math>i \in L_1</math> 和输出节点 <math>j \in L_2</math> 之间的互信息之和：
<math>
<math>
<math>t_i</math> 和 <math>t_j</math> 分别是输入节点 <math>i</math> 和输出节点 <math>j</math> 的激活值。
<math>t_i</math> 和 <math>t_j</math> 分别是输入节点 <math>i</math> 和输出节点 <math>j</math> 的激活值。
<math>do(i = H^{\text{max}})</math> 表示仅对节点 <math>i</math> 进行最大熵扰动，其他节点的激活值设为 0。
<math>do(i = H^{\text{max}})</math> 表示仅对节点 <math>i</math> 进行最大熵扰动，其他节点的激活值设为 0。
敏感性（Sensitivity）与EI的区别: EI是全局最大熵输入下输入向量和输出向量的互信息，EI测量的是所有输入组合起来提供了多少净信息;Sensitivity是对每个输入节点，单独做最大熵干预，其他固定为0, 敏感性是每条输入–输出单边传递了多少，全部累加。
2.简并性（Degeneracy）
2.简并性（Degeneracy）