更改

得到协方差矩阵<math>\Sigma^{-1}</math>和<math>A^T\Sigma^{-1} A</math>的奇异值谱后，我们可以计算具体的粗粒化策略，得到图f中的矩阵W。通过粗粒化策略的求解，我们可以得到如图f所示的粗粒化参数矩阵<math>W</math>，其保留了<math>x_1,x_2,x_3,x_5</math>四个维度，从图e可看出在使用高斯噪声迭代系统基于SVD的粗粒化策略后得到的因果涌现指标<math>\Delta\Gamma_\alpha^{W}(\epsilon)</math>，会比直接截取<math>U</math>或<math>V</math>得到的对应因果涌现大小<math>\Delta\Gamma_\alpha^{U_1}(\epsilon)</math>、<math>\Delta\Gamma_\alpha^{V_1}(\epsilon)</math>略更接近理论最大的<math>\Delta\Gamma_\alpha(\epsilon)</math>。

得到协方差矩阵<math>\Sigma^{-1}</math>和<math>A^T\Sigma^{-1} A</math>的奇异值谱后，我们可以计算具体的粗粒化策略，得到图f中的矩阵W。通过粗粒化策略的求解，我们可以得到如图f所示的粗粒化参数矩阵<math>W</math>，其保留了<math>x_1,x_2,x_3,x_5</math>四个维度，从图e可看出在使用高斯噪声迭代系统基于SVD的粗粒化策略后得到的因果涌现指标<math>\Delta\Gamma_\alpha^{W}(\epsilon)</math>，会比直接截取<math>U</math>或<math>V</math>得到的对应因果涌现大小<math>\Delta\Gamma_\alpha^{U_1}(\epsilon)</math>、<math>\Delta\Gamma_\alpha^{V_1}(\epsilon)</math>略更接近理论最大的<math>\Delta\Gamma_\alpha(\epsilon)</math>。

[[文件:离散化布朗运动图像.png|替代=|935x935像素]]

[[文件:离散化布朗运动图像.png|替代=|450x450像素]]

===SIR模型===

===SIR模型===