更改

因果平面以敏感度为横轴、简并度为纵轴，平面内存在一条 45° 的EI 零零线（nullcline）：线上敏感度与简并度相等，有效信息为 0；点位于零零线右下方时有效信息为正，距离越远，层间因果传导能力越强；点位于左上方时有效信息为负，权重重叠的干扰超过独立传导的信息总量。

因果平面以敏感度为横轴、简并度为纵轴，平面内存在一条 45° 的EI 零零线（nullcline）：线上敏感度与简并度相等，有效信息为 0；点位于零零线右下方时有效信息为正，距离越远，层间因果传导能力越强；点位于左上方时有效信息为负，权重重叠的干扰超过独立传导的信息总量。

结合下图的四组实验，因果平面的四项分析功能可直观体现：

结合下图的四组实验，因果平面的四项分析功能可直观体现：

任务复杂度对比：对比 (a) Iris 与 (b) MNIST 可见，简单线性任务的各层轨迹集中、分化弱；复杂非线性任务的层间轨迹差距显著，因果结构分化更充分。

* 任务复杂度对比：对比 (a) Iris 与 (b) MNIST 可见，简单线性任务的各层轨迹集中、分化弱；复杂非线性任务的层间轨迹差距显著，因果结构分化更充分。

层功能定位：如 (b) 中所示，浅层输入层高敏感度、高简并度，对应特征提取与融合；深层输出层数值更低、通路更清晰，对应分类表征输出。

* 层功能定位：如 (b) 中所示，浅层输入层高敏感度、高简并度，对应特征提取与融合；深层输出层数值更低、通路更清晰，对应分类表征输出。

训练轨迹追踪：各层轨迹普遍先向右延伸（敏感度上升，EI 增长，学习独立特征），后向上偏移（简并度上升，EI 回落，学习特征融合）；轨迹末端趋平，对应过拟合期因果结构趋于稳定。

* 训练轨迹追踪：各层轨迹普遍先向右延伸（敏感度上升，EI 增长，学习独立特征），后向上偏移（简并度上升，EI 回落，学习特征融合）；轨迹末端趋平，对应过拟合期因果结构趋于稳定。

冗余层识别：对比 (c) 单隐层与 (d) 五隐层网络可见，冗余层紧贴 EI 零零线，训练中几乎无位移，对因果结构无实质贡献，可作为结构化剪枝的量化依据。

* 冗余层识别：对比 (c) 单隐层与 (d) 五隐层网络可见，冗余层紧贴 EI 零零线，训练中几乎无位移，对因果结构无实质贡献，可作为结构化剪枝的量化依据。

[[文件:因果平面.png|无|缩略图|600x600像素|因果平面]]

[[文件:因果平面.png|无|缩略图|600x600像素|因果平面]]