5,443
个编辑
更改
跳到导航
跳到搜索
第64行：
第64行： − + − 其操作步骤包括：切断 A 的传入连接；用高斯噪声（强度为 cₚ）扰动 A；测量 B 的响应熵变化。此外，双向 EI 的计算为 EI (A⇌B) = EI (A→B) + EI (B→A)。+ + + + + + + + + + + + + + + 第76行：
第90行： −
→三层结构计算框架
* 有效信息（EI）：因果交互的度量
* 有效信息（EI）：因果交互的度量
有效信息 EI (A→B) 用于衡量 A 对 B 的全部因果影响，计算公式为：EI (A→B) = MI (A^Hmax ; B)。其中，A^Hmax 表示向 A 注入最大熵噪声（即切断其输入连接），MI 为互信息，计算方式为 H (A) + H (B) − H (AB)（H 为熵）。
有效信息 EI (A→B) 主要用来衡量 A 对 B 的全部因果影响。与单向因果影响的度量不同，EI (A→B) 专注于量化 A 作为因变量对 B 作为果变量产生的整体因果作用，其核心目标是明确 A 对 B 的因果影响程度。
更正式地，EI (A→B) 是 A 到 B 因果关系的函数，其正式定义为：
<math>
EI (A→B) \equiv MI (A^{Hmax} ; B)
</math>
这里，A^Hmax 表示向 A 注入最大熵噪声（即切断其输入连接）；MI 为互信息，计算方式为 H (A) + H (B) − H (AB)（H 为熵）。通过计算注入最大熵噪声后的 A 与 B 之间的互信息，EI (A→B) 得以量化 A 对 B 的全部因果影响。
其操作步骤包括：
切断 A 的传入连接；
用高斯噪声（强度为 cₚ）扰动 A；
测量 B 的响应熵变化。
此外，双向 EI 的计算为 EI (A⇌B) = EI (A→B) + EI (B→A)，用于衡量 A 与 B 之间双向的全部因果影响总和。
[[文件:整合信息论图5.png|无|缩略图|600x600像素|''双向 EI为 EI(A⇌B)=EI(A→B)+EI(B→A)'']]
[[文件:整合信息论图5.png|无|缩略图|600x600像素|''双向 EI为 EI(A⇌B)=EI(A→B)+EI(B→A)'']]
* Φ 合成：从 EI 到整合能力
* Φ 合成：从 EI 到整合能力
Φ 的合成公式为 Φ(S) = EI (MIB (S))，即子系统 S 的 Φ 值等于其最小信息二分切割处的有效信息值，且计算时使用原始 EI 值（非归一化值）。例如，某系统中模块 {1,2,3,4} 的 Φ 值为 20.7954，即表示该模块在最小信息二分切割下的有效信息量为 20.7954。
Φ 的合成公式为 Φ(S) = EI (MIB (S))，即子系统 S 的 Φ 值等于其最小信息二分切割处的有效信息值，且计算时使用原始 EI 值（非归一化值）。例如，某系统中模块 {1,2,3,4} 的 Φ 值为 20.7954，即表示该模块在最小信息二分切割下的有效信息量为 20.7954。
=== Φ 的计算示例===
=== Φ 的计算示例===