因果回路图 - 版本历史

思无涯咿呀咿呀：思无涯咿呀咿呀移动页面环路图至因果回路图覆盖重定向

2021-03-12T07:23:58Z

思无涯咿呀咿呀移动页面环路图至因果回路图覆盖重定向

2021年3月12日 (五) 06:47 思无涯咿呀咿呀

2021-03-12T06:47:55Z

思无涯咿呀咿呀：/* 编者推荐 */

2021-03-12T06:44:33Z

编者推荐

2021年3月12日 (五) 06:27 思无涯咿呀咿呀

2021-03-12T06:27:47Z

2021年2月20日 (六) 08:35 Swarma

2021-02-20T08:35:39Z

2021年2月20日 (六) 08:35 Swarma

2021-02-20T08:35:08Z

2021年2月20日 (六) 08:31 Swarma

2021-02-20T08:31:55Z

思无涯咿呀咿呀：/* 编者推荐 */

2021-01-22T07:42:56Z

编者推荐

思无涯咿呀咿呀：/* External links */

2021-01-22T07:37:10Z

External links

思无涯咿呀咿呀：/* 历史 */

2021-01-22T07:08:25Z

历史

←上一版本		2021年3月12日 (五) 06:47的版本
第6行：		第6行：
	[[File:CLD positive ANI.gif\|thumb\|264px\|正向强化循环的例子:银行余额和已获利息]]		[[File:CLD positive ANI.gif\|thumb\|264px\|正向强化循环的例子:银行余额和已获利息]]

−	'''<font color="ff8000">因果回路图Causal Loop Diagram</font>'''是一种因果图，有助于可视化地显示系统中不同变量之间的相互关系。该图由一组节点和边组成。节点代表变量，边代表两个变量之间的链接或者关系。标记为正的链接表示正向关系，标为负的链接表示负向关系。正因果链接意味着两个节点在同一方向上发生变化，也就是说，如果链接起始的那个节点减少，则链接的另一个节点也会减少。类似地，如果链接的起始节点增加，则链接的另一个节点也会增加。负因果链接意味着两个节点在相反的方向变化，即，如果链接的起始节点增加，则另一个节点减少，反之亦然。	+	'''<font color="ff8000">因果回路图Causal Loop Diagram</font>'''是一种因果图，有助于可视化地显示系统中不同变量之间的相互关系。该图由一组节点和边组成。节点代表变量，边代表两个变量之间的链接或者关系。
		+
		+
		+	标记为正的链接表示正向关系，标为负的链接表示负向关系。正因果链接意味着两个节点在同一方向上发生变化，也就是说，如果链接起始的那个节点减少，则链接的另一个节点也会减少。类似地，如果链接的起始节点增加，则链接的另一个节点也会增加。负因果链接意味着两个节点在相反的方向变化，即，如果链接的起始节点增加，则另一个节点减少，反之亦然。

@@ 第107行： / 第107行： @@
 ==编者推荐==
 ===[https://campus.swarma.org/course/1798 因果科学与Causal AI读书会]===
@@ 第117行： / 第119行： @@
 本课程是集智俱乐部举办的集智凯风研读营的专场录像，由6位研究者分享关于因果科学和 Casual AI 的前沿工作。希望通过大家的分享和讨论，能够让所有人都由浅入深的了解因果推理这个领域和研究内容，并且能对研究工作有所收益。
 ----

←上一版本		2021年3月12日 (五) 06:27的版本
第6行：		第6行：
	[[File:CLD positive ANI.gif\|thumb\|264px\|正向强化循环的例子:银行余额和已获利息]]		[[File:CLD positive ANI.gif\|thumb\|264px\|正向强化循环的例子:银行余额和已获利息]]

−	'''<font color="ff8000">因果回路图Causal Loop Diagram</font>'''是一种因果图，有助于可视化地显示系统中不同变量之间的相互关系。该图由一组节点和边组成。节点代表变量，边代表两个变量之间的链接或者关系。标记为正的链接表示正向关系，标为负的链接表示负向关系。正因果链接意味着两个节点在同一方向上发生变化，也就是说，如果链接起始的那个节点减少，则链接的另一个节点也会减少。类似地，如果链接的起始节点增加，则链接的另一个节点也会增加。负因果链接意味着两个节点在相反的方向变化，即，如果链接的起始节点增加，则另一个节点减少，反之亦然。~~< br/>~~	+	'''<font color="ff8000">因果回路图Causal Loop Diagram</font>'''是一种因果图，有助于可视化地显示系统中不同变量之间的相互关系。该图由一组节点和边组成。节点代表变量，边代表两个变量之间的链接或者关系。标记为正的链接表示正向关系，标为负的链接表示负向关系。正因果链接意味着两个节点在同一方向上发生变化，也就是说，如果链接起始的那个节点减少，则链接的另一个节点也会减少。类似地，如果链接的起始节点增加，则链接的另一个节点也会增加。负因果链接意味着两个节点在相反的方向变化，即，如果链接的起始节点增加，则另一个节点减少，反之亦然。
−

@@ 第3行： / 第3行： @@
 |description=因果推理,因果推断,环路图,正反馈
 }}
 [[File:CLD positive ANI.gif|thumb|264px|正向强化循环的例子:银行余额和已获利息]]
 '''<font color="ff8000">因果回路图Causal Loop Diagram</font>'''是一种因果图，有助于可视化地显示系统中不同变量之间的相互关系。该图由一组节点和边组成。节点代表变量，边代表两个变量之间的链接或者关系。标记为正的链接表示正向关系，标为负的链接表示负向关系。正因果链接意味着两个节点在同一方向上发生变化，也就是说，如果链接起始的那个节点减少，则链接的另一个节点也会减少。类似地，如果链接的起始节点增加，则链接的另一个节点也会增加。负因果链接意味着两个节点在相反的方向变化，即，如果链接的起始节点增加，则另一个节点减少，反之亦然。< br/>
@@ 第28行： / 第25行： @@
 *已获利息被添加到银行余额中，这也是一个正链接，由底部的蓝色箭头表示。
-*这些节点之间的因果关系形成了一个正的强化回路，用绿色箭头表示，用“R”表示。<ref name="sterman">John D.Sterman, ''Business Dynamics: Systems Thinking and Modeling for a Complex World.'' McGraw Hill/Irwin, 2000. {{ISBN|9780072389159}}</ref>
+*这些节点之间的因果关系形成了一个正的强化回路，用绿色箭头表示，用“R”表示。<ref name="sterman">John D.Sterman, ''Business Dynamics: Systems Thinking and Modeling for a Complex World.'' McGraw Hill/Irwin, 2000. </ref>

←上一版本		2021年2月20日 (六) 08:35的版本
第1行：		第1行：
−	~~本词条由春虫虫初步翻译。~~	+	{{#seo:
		+	\|keywords=因果推理,因果推断,环路图
		+	\|description=因果推理,因果推断,环路图,正反馈
		+	}}
		+


第114行：		第118行：


		+	===[https://campus.swarma.org/course/1985 因果科学与Causal AI 专题 \| 集智凯风研读营2020]===
		+
		+	本课程是集智俱乐部举办的集智凯风研读营的专场录像，由6位研究者分享关于因果科学和 Casual AI 的前沿工作。希望通过大家的分享和讨论，能够让所有人都由浅入深的了解因果推理这个领域和研究内容，并且能对研究工作有所收益。
		+
		+	----
		+	本中文词条由[[User:春虫虫\|春虫虫]]参与编译，[[用户:思无涯咿呀咿呀\|思无涯咿呀咿呀]]审校，[[用户:思无涯咿呀咿呀\|思无涯咿呀咿呀]]编辑，欢迎在讨论页面留言。


−	~~本词条由春虫虫初步翻译。~~	+	'''本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。'''

←上一版本		2021年2月20日 (六) 08:31的版本
第112行：		第112行：

	*如何将因果推理与机器学习相结合，开发可解释人工智能（XAI）算法，是迈向人工智能2.0的关键步骤之一。为此，我们希望可以通过因果推理的专题读书会，来试图找到回答上述问题的答案。集智俱乐部联合智源社区，携手开启了此次因果科学读书会。本次读书会由集智俱乐部社区成员龚鹤扬、高亦斌和郭瑞东等人共同发起，从2020年8月26日到2021年1月2日，共有崔鹏、周晓华等老师同学在内的32位讲者，分享了32个不同的主题，B站人气累积10万+，来自海内外不同高校或者企业的一线科研工作者273名，因果读书会借助集体智慧，在100多天的时间里，撬动了数十万人次的共同参与，形成了一场因果科学风暴！		*如何将因果推理与机器学习相结合，开发可解释人工智能（XAI）算法，是迈向人工智能2.0的关键步骤之一。为此，我们希望可以通过因果推理的专题读书会，来试图找到回答上述问题的答案。集智俱乐部联合智源社区，携手开启了此次因果科学读书会。本次读书会由集智俱乐部社区成员龚鹤扬、高亦斌和郭瑞东等人共同发起，从2020年8月26日到2021年1月2日，共有崔鹏、周晓华等老师同学在内的32位讲者，分享了32个不同的主题，B站人气累积10万+，来自海内外不同高校或者企业的一线科研工作者273名，因果读书会借助集体智慧，在100多天的时间里，撬动了数十万人次的共同参与，形成了一场因果科学风暴！
		+
		+
		+
		+
		+	本词条由春虫虫初步翻译。

←上一版本		2021年1月22日 (五) 07:42的版本
第109行：		第109行：

	===[https://campus.swarma.org/course/1798 因果科学与Causal AI读书会]===		===[https://campus.swarma.org/course/1798 因果科学与Causal AI读书会]===
−	*如何将因果推理与机器学习相结合，开发可解释人工智能（XAI）算法，是迈向人工智能2.0的关键步骤之一。为此，我们希望可以通过因果推理的专题读书会，来试图找到回答上述问题的答案。集智俱乐部联合智源社区，携手开启了此次因果科学读书会。本次读书会由集智俱乐部社区成员龚鹤扬、高亦斌和郭瑞东等人共同发起，从2020年8月26日到2021年1月2日，共有崔鹏、周晓华等老师同学在内的32位讲者，分享了32个不同的主题，B站人气累积10万+，来自海内外不同高校或者企业的一线科研工作者273名，因果读书会借助集体智慧，在100多天的时间里，撬动了数十万人次的共同参与，形成了一场因果科学风暴！[[File:因果.001.jpeg\|400px\|thumb\|right\|[https://campus.swarma.org/course/1798 因果科学与Causal AI读书会]]]	+	[[File:因果.001.jpeg\|400px\|thumb\|right\|[https://campus.swarma.org/course/1798 因果科学与Causal AI读书会]]]
		+
		+	*如何将因果推理与机器学习相结合，开发可解释人工智能（XAI）算法，是迈向人工智能2.0的关键步骤之一。为此，我们希望可以通过因果推理的专题读书会，来试图找到回答上述问题的答案。集智俱乐部联合智源社区，携手开启了此次因果科学读书会。本次读书会由集智俱乐部社区成员龚鹤扬、高亦斌和郭瑞东等人共同发起，从2020年8月26日到2021年1月2日，共有崔鹏、周晓华等老师同学在内的32位讲者，分享了32个不同的主题，B站人气累积10万+，来自海内外不同高校或者企业的一线科研工作者273名，因果读书会借助集体智慧，在100多天的时间里，撬动了数十万人次的共同参与，形成了一场因果科学风暴！

@@ 第101行： / 第101行： @@
-==External links==
+==外部链接==
-{{commons category|Causal loop diagram}}
+* [http://systemsandus.com/2012/08/15/learn-to-read-clds/ 学习如何阅读因果回路图] 公开分享在SystemsAndUs这个网站上。
-* [http://systemsandus.com/2012/08/15/learn-to-read-clds/ Learn to Read Causal Loop Diagrams] via [http://systemsandus.com/ SystemsAndUs]
+==编者推荐==
+===[https://campus.swarma.org/course/1798 因果科学与Causal AI读书会]===
+*如何将因果推理与机器学习相结合，开发可解释人工智能（XAI）算法，是迈向人工智能2.0的关键步骤之一。为此，我们希望可以通过因果推理的专题读书会，来试图找到回答上述问题的答案。集智俱乐部联合智源社区，携手开启了此次因果科学读书会。本次读书会由集智俱乐部社区成员龚鹤扬、高亦斌和郭瑞东等人共同发起，从2020年8月26日到2021年1月2日，共有崔鹏、周晓华等老师同学在内的32位讲者，分享了32个不同的主题，B站人气累积10万+，来自海内外不同高校或者企业的一线科研工作者273名，因果读书会借助集体智慧，在100多天的时间里，撬动了数十万人次的共同参与，形成了一场因果科学风暴！[[File:因果.001.jpeg|400px|thumb|right|[https://campus.swarma.org/course/1798 因果科学与Causal AI读书会]]]

@@ 第29行： / 第29行： @@
 ==历史==
 使用节点和箭头构造因果有向图模型的历史可以追溯到Sewall-Wright在1918年提出的路径分析，比[[系统动力学]]早很多。然而，由于遗传数据的限制，这些早期的因果图不包含回路——它们是有向无环图。Dennis Meadows博士在一次教育工作者会议上解释了因果回路图，这是因果回路图的第一次正式使用。<ref>http://www.clexchange.org/</ref>).
 Meadows 解释说，当他和其他人在研究 World3模型(大约在1970-1972年)时，他们意识到在向他人展示结果时，他们无法使用计算机输出来解释反馈回路在模型中的工作方式。他们决定通过用箭头连接反馈循环中主要模型组件的名称来展示反馈循环（不包括库存、流量和每个变量）。这可能是第一次正式使用因果回路图。<ref>Anecdote by Richard Turnock attending informal discussion where Dennis Meadows explained origin of CLD</ref>
 ==正向和负向的因果链接==