更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
基于可逆性的因果涌现理论
(查看源代码)
2024年10月25日 (五) 18:41的版本
添加3字节
、
2024年10月25日 (五) 18:41
→方法
第347行:
第347行:
</math>不变。
</math>不变。
==方法==
==方法==
−
该方法的基本思路是将P中的所有行向量<math>P_{i}</math>视为维数为N的数据向量,然后首先对这些行向量进行PCA降维,其次将其聚类为r个簇,其中r是根据奇异值频谱的阈值<math>\epsilon</math>
选取的。有了聚类,我们就可以根据所有静止流都是保守流的原则,对原始TPM进行还原。
+
该方法的基本思路是将P中的所有行向量<math>P_{i}</math>视为维数为N的数据向量,然后首先对这些行向量进行PCA降维,其次将其聚类为r个簇,其中r是根据奇异值频谱的阈值<math>\epsilon</math>
选取的。有了聚类,我们就可以根据所有静止流都是保守流的原则,对原始TPM进行粗粒化。
'''1)''' 对P进行SVD分解(假设P是不可归约的,且具有周期性,从而存在平稳分布):
'''1)''' 对P进行SVD分解(假设P是不可归约的,且具有周期性,从而存在平稳分布):
相信未来
5,443
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
捐赠我们
帮助
工具
特殊页面
可打印版本