697
个编辑
更改
跳到导航
跳到搜索
第231行：
第231行： − + − + − + − + − + − + − + − + − + − + − # 计算力学中的时间序列可以看作是因果涌现中的微观状态，划分得到的状态<math>\mathcal{R}_i \in \mathcal{R} </math>对应宏观状态，因果转移映射<math>T</math> 对应于有效的宏观动力学。 − # 计算力学中的状态映射函数<math>\eta </math>可以看作是因果涌现中的粗粒化策略，其中因果态的映射函数<math>\epsilon</math>对应能够最大化有效信息的粗粒化策略。
→概念对比
|1
|1
|时间序列
|时间序列
|微观状态
|微观态
|
|它们都是系统最微观最原始的数据，时间序列基于对环境的离散测量值，它可以是无限长度，微观态基于已知的马尔可夫概率转移矩阵
|-
|-
|2
|2
|<math>\mathcal{R}_i \in \mathcal{R} </math>
|宏观态<math>\mathcal{R}_i \in \mathcal{R} </math>
|宏观态
|宏观态
|
|它们都是从微观数据变换而来，宏观态<math>\mathcal{R}_i \in \mathcal{R} </math>是通过划分函数得到的，因果涌现的宏观态是将微观态经过粗粒化得到的
|-
|-
|3
|3
|因果转移映射<math>T</math>
|状态映射函数<math>\eta </math>
|有效的宏观动力学
|粗粒化策略
|
|
|-
|-
|4
|4
|状态映射函数<math>\eta </math>
|因果转移映射<math>T</math>
|粗粒化策略
|有效的宏观动力学
|
|它们都是从微观态变换到宏观态的某种动力学机制，因果转移映射<math>T</math>通过最优的划分函数得到，有效的宏观动力学通过粗粒化策略得到。
|-
|-
|5
|5
|因果态的映射函数<math>\epsilon</math>
|因果态的映射函数<math>\epsilon</math>
|能够最大化有效信息的粗粒化策略
|能够最大化有效信息的粗粒化策略
|
|它们都是理论上的最佳信息压缩方法，因果态的映射函数<math>\epsilon</math>通过总结时间序列中字符的相似性得到，能够最大化有效信息的粗粒化策略需要结合领域知识或通过机器学习得到
|-
|-
|}
|}
====斑图重构机器与NIS+（神经信息压缩机）的对比====
====斑图重构机器与NIS+（神经信息压缩机）的对比====