更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
因果涌现
(查看源代码)
2024年7月14日 (日) 16:07的版本
添加26字节
、
2024年7月14日 (星期日)
→神经信息压缩方法
第209行:
第209行:
其中<math>\xi </math>表示系统中的噪音。
其中<math>\xi </math>表示系统中的噪音。
−
为了识别系统中的因果涌现,作者提出一种神经信息压缩方法,构建Encoder
-Dynamic Learning-Decoder框架,该模型由编码器、动力学学习器以及解码器三个部分构成,用神经网络构建动力学学习器(<math>f </math>),用可逆神经网络(INN)构建编码器(Encoder)和解码器(Decoder)。该模型框架可以看成是一个神经信息压缩器,将包含噪音的微观态压缩成宏观态,丢弃无用的信息,从而使得宏观动力学的因果性更强。NIS方法的模型框架如图所示。
+
为了识别系统中的因果涌现,作者提出一种[[神经信息压缩方法|神经信息压缩器]],构建Encoder
-Dynamic Learning-Decoder框架,该模型由编码器、动力学学习器以及解码器三个部分构成,用神经网络构建动力学学习器(<math>f </math>),用可逆神经网络(INN)构建编码器(Encoder)和解码器(Decoder)。该模型框架可以看成是一个神经信息压缩器,将包含噪音的微观态压缩成宏观态,丢弃无用的信息,从而使得宏观动力学的因果性更强。NIS方法的模型框架如图所示。
[[文件:NIS模型框架图.png|居中|480x480像素|替代=NIS模型框架图|NIS模型框架图|缩略图]]
[[文件:NIS模型框架图.png|居中|480x480像素|替代=NIS模型框架图|NIS模型框架图|缩略图]]
相信未来
1,906
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