更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
因果涌现
(查看源代码)
2024年8月4日 (日) 09:24的版本
删除6字节
、
2024年8月4日 (星期日)
→基于互信息的近似方法
第221行:
第221行:
由于基于互信息的近似方法需要依赖宏观态<math>V</math>的选择,因此,作者给出了两种方法,一种是给定一个宏观态<math>V</math>计算,另一种是基于机器学习的方法学习宏观态<math>V</math>以及最大化<math>\mathrm{\Psi} </math>。下面我们分别介绍这两种方法:
由于基于互信息的近似方法需要依赖宏观态<math>V</math>的选择,因此,作者给出了两种方法,一种是给定一个宏观态<math>V</math>计算,另一种是基于机器学习的方法学习宏观态<math>V</math>以及最大化<math>\mathrm{\Psi} </math>。下面我们分别介绍这两种方法:
−
Rosas虽然给出因果涌现的严格定义,但在<math>\varphi ID </math>中使用的数学公式很复杂,同时计算要求很高,信息分解框架中定义的信息原子难以计算,
难以将该方法应用于实际系统,所。因此,Rosas等绕开特有信息和协同信息的计算
<ref name=":5" />,作者推导出只需要计算[[互信息]]的近似公式,提出一个判定因果涌现发生的充分条件,基于[[互信息]]提出三个新指标,<math>\mathrm{\Psi} </math> ,<math>\mathrm{\Delta} </math> 和<math>\mathrm{\Gamma} </math>用于识别系统中的因果涌现,三种指标的具体计算公式如下所示:
+
Rosas虽然给出因果涌现的严格定义,但在<math>\varphi ID </math>中使用的数学公式很复杂,同时计算要求很高,信息分解框架中定义的信息原子难以计算,
难以将该方法应用于实际系统。因此,Rosas等绕开特有信息和协同信息的计算
<ref name=":5" />,作者推导出只需要计算[[互信息]]的近似公式,提出一个判定因果涌现发生的充分条件,基于[[互信息]]提出三个新指标,<math>\mathrm{\Psi} </math> ,<math>\mathrm{\Delta} </math> 和<math>\mathrm{\Gamma} </math>用于识别系统中的因果涌现,三种指标的具体计算公式如下所示:
<math>\Psi_{t, t+1}(V):=I\left(V_t ; V_{t+1}\right)-\sum_j I\left(X_t^j ; V_{t+1}\right) </math>
<math>\Psi_{t, t+1}(V):=I\left(V_t ; V_{t+1}\right)-\sum_j I\left(X_t^j ; V_{t+1}\right) </math>
相信未来
1,884
个编辑
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
集智百科
集智主页
集智斑图
集智学园
最近更改
所有页面
帮助
工具
特殊页面
可打印版本