更改

另外，我们在前文讨论了统计复杂度关于熵率的变化曲线，该图说明，涌现发生在随机性程度中等的情形下。而在NIS+的框架中，我们用机器的重构预测误差来约束模型，要求其在保证对微观预测尽可能准确（误差低于一定阈值）的前提下，最大化宏观的EI。此时，我们也可以计算宏微观的EI以及它们的差值来判断是否发生因果涌现。如下图所示，最高强度的因果涌现也发生在观测噪音处于中等强度时。

另外，我们在前文讨论了统计复杂度关于熵率的变化曲线，该图说明，涌现发生在随机性程度中等的情形下。而在NIS+的框架中，我们用机器的重构预测误差来约束模型，要求其在保证对微观预测尽可能准确（误差低于一定阈值）的前提下，最大化宏观的EI。此时，我们也可以计算宏微观的EI以及它们的差值来判断是否发生因果涌现。如下图所示，最高强度的因果涌现也发生在观测噪音处于中等强度时。

[[文件:计算力学 nis+.png|居中|800x800像素|替代=|无框]]

[[文件:复杂随机关系2.png|居中|800x800像素|替代=|无框]]

上图中，左图是前文中出现过的示意图。它描述了统计复杂度与数据随机性之间的关系，其中随机性通过香农熵率来度量（见前文中的实验部分）。当随机性处于中等强度时，统计复杂度出现峰值。右图来自NIS+应用在SIR（病毒感染动力学）为模型的生成数据上的实验。其中横轴<math>\sigma </math>为该数据中观测噪音的强度，纵轴为因果涌现强度<math>\Delta\mathcal{J} </math>。详情可参考词条[[NIS+|NIS+]]。

上图中，左图是前文中出现过的示意图。它描述了统计复杂度与数据随机性之间的关系，其中随机性通过香农熵率来度量（见前文中的实验部分）。当随机性处于中等强度时，统计复杂度出现峰值。右图来自NIS+应用在SIR（病毒感染动力学）为模型的生成数据上的实验。其中横轴<math>\sigma </math>为该数据中观测噪音的强度，纵轴为因果涌现强度<math>\Delta\mathcal{J} </math>。详情可参考词条[[NIS+|NIS+]]。