更改

NIS（神经信息压缩器）是一个以最大化粗粒化过程中有效信息的神经网络框架。它由可逆神经网络组成，分为编码器、解码器、动力学学习器三部分，可以通过微观状态时间序列的输入、训练后输出粗粒化策略、宏观动力学、最优建模尺度，并判断是否存在因果涌现。NIS框架可以被视为一个压缩信道，通过投影操作在中间进行信道压缩。这种压缩信息通道通过约束粗粒化策略，将复杂的微观状态映射到简单的宏观状态，从而定义了有效的粗粒化策略和宏观动态。基于信息瓶颈理论，NIS框架通过神经网络模型的训练过程中，逐渐使得其输出与真实数据的互信息接近于 <math> I(\mathbf{x}{t+1}; \mathbf{x}_t) </math>，从而增强了整个系统的因果涌现特性。

NIS（神经信息压缩器）是一个以最大化粗粒化过程中有效信息的神经网络框架。它由可逆神经网络组成，分为编码器、解码器、动力学学习器三部分，可以通过微观状态时间序列的输入、训练后输出粗粒化策略、宏观动力学、最优建模尺度，并判断是否存在因果涌现。NIS框架可以被视为一个压缩信道，通过投影操作在中间进行信道压缩。这种压缩信息通道通过约束粗粒化策略，将复杂的微观状态映射到简单的宏观状态，从而定义了有效的粗粒化策略和宏观动态。基于信息瓶颈理论，NIS框架通过神经网络模型的训练过程中，逐渐使得其输出与真实数据的互信息接近于 <math> I(\mathbf{x}_{t+1}; \mathbf{x}_t) </math>，从而增强了整个系统的因果涌现特性。

验证其性质的实验包括带测量噪声的弹簧振荡器、简单布尔网络等，由其部分不足之处也衍生出了NIS+框架。NIS在信息瓶颈理论的指导下，展示了在时间序列数据中发现因果涌现的理论性质和应用潜力。

验证其性质的实验包括带测量噪声的弹簧振荡器、简单布尔网络等，由其部分不足之处也衍生出了NIS+框架。NIS在信息瓶颈理论的指导下，展示了在时间序列数据中发现因果涌现的理论性质和应用潜力。