264
个编辑
更改
跳到导航
跳到搜索
第14行：
第14行： − * 该方法避开讨论粗粒化策略+ − − 这个是在哪里看到的？（因果涌现词条）它最初定义确实可以不考虑粗粒化策略，但现在这个充分条件还是需要给定粗粒化策略才能有宏观变量来计算的。谈它的优势可以谈两点：1. 因为是格兰杰因果，所以计算比较方便，不需要找到底层的动力学机制；2. 它对系统的动力学没有马尔可夫性的假设和要求（已改） − − * 当系统具有大量冗余信息或具有许多变量时，该方法的计算复杂度仍然很高。 − − 就互信息计算本身而言计算复杂度不会上升的很多。这个缺点可以换成，高维系统中，psi作为近似条件，误差非常大，很容易得到负值，从而无法判断是否有因果涌现发生。（已改）
→基于信息分解的因果涌现识别
PLL：需要指出的是，Hoel的方法基于Judea Pearl因果，而此方法是基于格兰杰因果，利用机器学习框架，计算互信息的组合，没有引入do干预。这样呢?
PLL：需要指出的是，Hoel的方法基于Judea Pearl因果，而此方法是基于格兰杰因果，利用机器学习框架，计算互信息的组合，没有引入do干预。这样呢?
YMZ：开头再加上 Rosas等人通过信息分解框架给出了和Hoel等人不同的对因果涌现的新定义 这一个信息点。其他没啥问题了。
=NIS系列=
=NIS系列=