5,443
个编辑
更改
跳到导航
跳到搜索
第78行：
第78行： − 需要注意的是Erik在提出基于有效信息的因果涌现理论时，未显式地定义粗粒化的含义与步骤，并且都是基于变量进行的分组归并（原文使用“grouping分组”来描述这一过程）。他提出了几种粗粒化方式，包括：直接针对变量进行的空间粗粒化，对变量的动力学（即，概率转移矩阵TPM）进行的时间粗粒化，以及将变量“移出”系统动力学的变量外部化操作，下面将举例展开介绍这几种粗粒化是如何进行的。+
→粗粒化映射
关于马尔科夫链粗粒化更详细具体的描述，请参考[[马尔科夫链的粗粒化]]。
关于马尔科夫链粗粒化更详细具体的描述，请参考[[马尔科夫链的粗粒化]]。
需要注意的是Erik在提出基于有效信息的因果涌现理论时，未显式地定义粗粒化的含义与步骤，并且都是基于变量进行的分组归并（原文使用“grouping分组”来描述这一过程）。他提出了几种粗粒化方式，包括：直接针对变量进行的空间粗粒化，对变量的动力学（即，概率转移矩阵TPM）进行的时间粗粒化，以及将变量“移出”系统动力学的变量外部化操作，下面将介绍这几种粗粒化是如何进行的。
1.'''空间粗粒化'''：针对微观元素变量的状态空间进行粗粒化。以两个布尔元素为例，共有四种微观状态[math]S_m = \{00,01,10,11\}[/math]，首先将这两个微观元素归并为一个宏观元素，再对元素状态空间按照[math]M:[[00,01,10] = off, [11] = on][/math]的规则归并，最终保持宏观元素的布尔属性。粗粒化的结果是一个宏观元素，和两个宏观状态[math]S_M = \{on, off\}[/math]。
1.'''空间粗粒化'''：针对微观元素变量的状态空间进行粗粒化。以两个布尔元素为例，共有四种微观状态[math]S_m = \{00,01,10,11\}[/math]，首先将这两个微观元素归并为一个宏观元素，再对元素状态空间按照[math]M:[[00,01,10] = off, [11] = on][/math]的规则归并，最终保持宏观元素的布尔属性。粗粒化的结果是一个宏观元素，和两个宏观状态[math]S_M = \{on, off\}[/math]。