讨论:NIS+

NIS+ 数学推导

要分别有一段文字，介绍为什么我们需要变分下界和通用逼近定理这两个定理及其证明。

PLL：加入：（这样写可不可以？）

式1中，数学形式是一个泛函问题，无法直接进行优化，学者将通过计算变分下界解决泛函问题。同时，在NIS+框架中，学者使用了编码器将p维的输入数据进行粗粒化，得到q维的宏观数据，下面编码器的通用逼近定理将证明编码器的可以近似粗粒化函数。

YMZ：我稍微改了一下，OK了。

编码器的通用逼近定理

这里的引理要和之前格式一样哦。

PLL：师兄，这个引理在附录里面没有命名，要不您在起一个？

YMZ：用这个名字吧，“编码器的信息瓶颈”

机器学习算法

样本重加权

现在直接就讲怎么做的了，还是要在这之前介绍一下为什么需要样本重加权，提及它在因果机器学习或因果推断领域中的发展，尤其是把它和前面数学推导出来的w相联系。

PLL：已改，师兄看看我理解对不对？

YMZ：可以，记得加参考文献。有时间可以继续往下先写着。