更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
有效信息
(查看源代码)
2024年6月9日 (日) 11:44的版本
添加5字节
、
2024年6月9日 (星期日)
→随机迭代系统
第808行:
第808行:
</math>
</math>
−
描述后一时刻已知的情况下,对前一时刻的可追溯性,简并性越弱,系统越容易推断系统以往的演化路径。其中,
[math]\tilde{x}_{t+1}[/math]是保持因果机制不变,经过干预以后得到的新的[math]x_{t+1}[/math]变量。
+
描述后一时刻已知的情况下,对前一时刻的可追溯性,简并性越弱,越容易推断系统以往的演化路径。其中,
[math]\tilde{x}_{t+1}[/math]是保持因果机制不变,经过干预以后得到的新的[math]x_{t+1}[/math]变量。
确定性越强,简并性越弱,有效信息则会越大,因果效应越强。
确定性越强,简并性越弱,有效信息则会越大,因果效应越强。
第815行:
第815行:
<math>
<math>
−
\Delta\mathcal{J}=\ln\frac{|\det(WAW^{\dagger})|^{1/N}}{|\det(A)|^{1/n}}-\ln\frac{|\det(W\Sigma W^T)|^{\frac{1}{
2k
}}}{|\det(\Sigma)|^{\frac{1}{2n}}}
+
\Delta\mathcal{J}=\ln\frac{|\det(WAW^{\dagger})|^{1/N}}{|\det(A)|^{1/n}}-\ln\frac{|\det(W\Sigma W^T)|^{\frac{1}{
2N
}}}{|\det(\Sigma)|^{\frac{1}{2n}}}
</math>
</math>
−
其中,[math]W[/math]为粗粒化矩阵,它的阶数为n*
m,其中m为宏观状态空间的维度,它是从微观状态空间到宏观状态空间的线性投影映射。
[math]W^{\dagger}[/math]为W的伪逆运算。式中第一项是由确定性引发的涌现,简称'''确定性涌现'''(Determinism Emergence),第二项为简并性引发的涌现,简称'''简并性涌现'''。更详细的内容参看[[线性迭代系统的EI]]。
+
其中,[math]W[/math]为粗粒化矩阵,它的阶数为n*
m,m为宏观状态空间的维度,它的作用是把任意的微观态[math]x_t[/math]映射为宏观态[math]y_t[/math]。
[math]W^{\dagger}[/math]为W的伪逆运算。式中第一项是由确定性引发的涌现,简称'''确定性涌现'''(Determinism Emergence),第二项为简并性引发的涌现,简称'''简并性涌现'''。更详细的内容参看[[线性迭代系统的EI]]。
==前馈神经网络==
==前馈神经网络==
Jake
712
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
帮助
工具
特殊页面
可打印版本