更改

跳到导航 跳到搜索
删除37字节 、 2024年7月14日 (星期日)
添加NIS结构图
第58行: 第58行:     
==神经网络框架 ==
 
==神经网络框架 ==
[[文件:NIS Graph 1.png|居中|600px|'''图1.''' 神经信息压缩器的工作流程和框架。]]作为神经网络框架,NIS本质上是一个隐空间动力学学习框架。其分为编码器、动力学学习器与解码器,可以由微观状态的时间序列输入、经训练后输出如下四个部分:
+
[[文件:NIS Structure.png||居中|400px|NIS框架简介]]
 +
 
 +
 
 +
作为神经网络框架,NIS本质上是一个隐空间动力学学习框架。其分为编码器、动力学学习器与解码器,可以由微观状态的时间序列输入、经训练后输出如下四个部分:
    
*尺度M下的粗粒化策略(由可逆神经网络INN表示);
 
*尺度M下的粗粒化策略(由可逆神经网络INN表示);
第117行: 第120行:       −
=NIS框架=
+
= NIS框架=
    
NIS是一种新的机器学习框架,基于可逆神经网络来解决式6中提出的问题。其由三个组件组成:编码器、动力学学习器和解码器。它们分别用神经网络 <math>\psi_\alpha , f_\beta ,</math> 和<math>\psi_\alpha^{-1}</math> 表示,参数分别为<math>\alpha, \beta</math> 和<math>\alpha</math> 。整个框架如图1所示。接下来将分别描述每个模块。
 
NIS是一种新的机器学习框架,基于可逆神经网络来解决式6中提出的问题。其由三个组件组成:编码器、动力学学习器和解码器。它们分别用神经网络 <math>\psi_\alpha , f_\beta ,</math> 和<math>\psi_\alpha^{-1}</math> 表示,参数分别为<math>\alpha, \beta</math> 和<math>\alpha</math> 。整个框架如图1所示。接下来将分别描述每个模块。
第339行: 第342行:       −
===文章推荐===
+
=== 文章推荐===
 
*Zhang, J.; Liu, K. [https://www.mdpi.com/1099-4300/25/1/26 Neural Information Squeezer for Causal Emergence]. ''Entropy'' 2023, ''25'', 26.
 
*Zhang, J.; Liu, K. [https://www.mdpi.com/1099-4300/25/1/26 Neural Information Squeezer for Causal Emergence]. ''Entropy'' 2023, ''25'', 26.
  
68

个编辑

导航菜单