3,094
个编辑
更改
跳到导航
跳到搜索
第300行：
第300行： − + + +
→抵消简并性实例分析
=====抵消简并性实例分析=====
=====抵消简并性实例分析=====
'''微观动力学'''：在这个例子中，原始的系统（微观态）中有6个布尔变量[math]X_m = \{ABCDEF\}[/math]（如图A所示），其中A、B接受E和F的输入，C、D接受A和B的输入，E、F接受C和D输入。响应机制为确定性AND门，对应完全确定性（变量根据输入转移至完全确定的状态）和高简并度（输入00，01，10转移至相同状态）。微观态的概率转移矩阵可以按照上述例子的方法计算，如下图所示。由于前一时刻的很多状态会转移至下一时刻的相同状态，因此系统的简并性较高。根据有效信息计算，可以得到[math]EI(P_m) = 2.43 \text{ bits}[/math]，[math]Eff(P_m) = 0.4[/math]。
让EI提高的第二种方式就是减小简并性，因此第二个例子即来自简并性的减小导致的因果涌现。
'''微观动力学'''：在这个例子中，原始的系统（微观态）中有6个布尔变量[math]X_m = \{ABCDEF\}[/math]（如图3(a)所示），其中A、B接受E和F的输入，C、D接受A和B的输入，E、F接受C和D输入。响应机制为确定性AND门，对应完全确定性（变量根据输入转移至完全确定的状态）和高简并度（输入00，01，10转移至相同状态）。微观态的概率转移矩阵可以按照上述例子的方法计算，如下图所示。由于前一时刻的很多状态会转移至下一时刻的相同状态，因此系统的简并性较高。根据有效信息计算，可以得到[math]EI(P_m) = 2.43 \text{ bits}[/math]，[math]Eff(P_m) = 0.4[/math]。