更改

与其在因果模型的构建中精确地规定什么类型的模型选择是“允许的”，不如区分出一个更普遍的原则：通过模型构建选择扭曲[math]I_D[/math]的方法越多，因果容量就越接近实际通道容量。例如，考虑图9A中的系统。在图9B中，显示了一个宏观尺度，它使用各种类型的模型选择(通过粗粒度，黑盒元素，并为外生元素设置特定的初始条件)来演示因果涌现。如图10所示，模型选择的自由度越大，因果容量越接近通道容量。在模拟了数百万个随机概率分布p(X)，寻找最大I的概率分布后，通过梯度上升找到了该系统的通道容量。模型选择使微观尺度[math]I_D[/math]向p(X)靠拢，如图10B所示。随着模型选择的增加，[math]EI_{max}[/math]接近信道容量的[math]I_{max}[/math] (图10C)。

与其在因果模型的构建中精确地规定什么类型的模型选择是“允许的”，不如区分出一个更普遍的原则：通过模型构建选择扭曲[math]I_D[/math]的方法越多，因果容量就越接近实际通道容量。例如，考虑图9A中的系统。在图9B中，显示了一个宏观尺度，它使用各种类型的模型选择(通过粗粒度，黑盒元素，并为外生元素设置特定的初始条件)来演示因果涌现。如图10所示，模型选择的自由度越大，因果容量越接近通道容量。在模拟了数百万个随机概率分布p(X)，寻找最大I的概率分布后，通过梯度上升找到了该系统的通道容量。模型选择使微观尺度[math]I_D[/math]向p(X)靠拢，如图10B所示。随着模型选择的增加，[math]EI_{max}[/math]接近信道容量的[math]I_{max}[/math] (图10C)。