“讨论:NIS+”的版本间的差异
跳到导航
跳到搜索
(→SIR实验) |
|||
第2行: | 第2行: | ||
==分阶段训练== | ==分阶段训练== | ||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
=NIS+数值试验= | =NIS+数值试验= | ||
− | |||
− | |||
− | |||
− | |||
* 大脑fMRI 时间序列数据模型实验 | * 大脑fMRI 时间序列数据模型实验 | ||
这是论文中翻译过来的吗?一般不这样叫,因为这四个实验都是时间序列的形式,而且这个是真实数据不是“模型”,所以可以去掉“时间序列数据模型”这几个字。下文同。 | 这是论文中翻译过来的吗?一般不这样叫,因为这四个实验都是时间序列的形式,而且这个是真实数据不是“模型”,所以可以去掉“时间序列数据模型”这几个字。下文同。 | ||
+ | |||
+ | PLL:OK~ | ||
* 每个实验中,我们将评估模型的预测能力、泛化能力、识别CE的能力,并将识别结果与<math>\Psi </math>指标进行比较。 | * 每个实验中,我们将评估模型的预测能力、泛化能力、识别CE的能力,并将识别结果与<math>\Psi </math>指标进行比较。 | ||
这里强调两个重点就可以了:因果涌现识别能力和泛化能力。另外“模型”这个词在很多地方都用到了,为避免指代的混乱,指涉机器学习模型的时候可以直接称呼名称,比如NIS+。 | 这里强调两个重点就可以了:因果涌现识别能力和泛化能力。另外“模型”这个词在很多地方都用到了,为避免指代的混乱,指涉机器学习模型的时候可以直接称呼名称,比如NIS+。 | ||
+ | |||
+ | PLL:已改→每个实验中,我们将评估NIS+的因果涌现识别能力和泛化能力。 | ||
==SIR实验== | ==SIR实验== | ||
第32行: | 第22行: | ||
这里要写出SIR的英文全称 | 这里要写出SIR的英文全称 | ||
+ | |||
+ | PLL:已改->SIR(Susceptible Infected Recovered Model)模型是一个简单的宏观动态系统, | ||
* 此实验有四个基本目标 | * 此实验有四个基本目标 | ||
这里的四个目标和后面实验有重合。可以改成强调这个实验独特的作用:它是一个已知宏观机制的玩具模型,可以验证NIS+是否真的做到了宏观有效信息最大化。后面增强泛化能力等等可以结合具体子图来讲 | 这里的四个目标和后面实验有重合。可以改成强调这个实验独特的作用:它是一个已知宏观机制的玩具模型,可以验证NIS+是否真的做到了宏观有效信息最大化。后面增强泛化能力等等可以结合具体子图来讲 | ||
+ | |||
+ | PLL:已改 | ||
* 设置感染率β = 1、康复率γ = 0.5。由于模型只有两个自由度(<math>S + I + R = 1 </math>),故仅用S和I构成宏观状态变量<math>\boldsymbol{y}=(S,I) </math>。 | * 设置感染率β = 1、康复率γ = 0.5。由于模型只有两个自由度(<math>S + I + R = 1 </math>),故仅用S和I构成宏观状态变量<math>\boldsymbol{y}=(S,I) </math>。 | ||
这里语言不是很规整。还是需要有主语 | 这里语言不是很规整。还是需要有主语 | ||
+ | |||
+ | PLL:已改->在此实验中,学者设置感染率β = 1、康复率γ = 0.5。由于SIR模型只有两个自由度([math]\displaystyle{ S + I + R = 1 }[/math]),故学者仅用S和I构成宏观状态变量[math]\displaystyle{ \boldsymbol{y}=(S,I) }[/math]。 |
2024年8月23日 (五) 16:18的版本
机器学习算法
分阶段训练
NIS+数值试验
- 大脑fMRI 时间序列数据模型实验
这是论文中翻译过来的吗?一般不这样叫,因为这四个实验都是时间序列的形式,而且这个是真实数据不是“模型”,所以可以去掉“时间序列数据模型”这几个字。下文同。
PLL:OK~
- 每个实验中,我们将评估模型的预测能力、泛化能力、识别CE的能力,并将识别结果与[math]\displaystyle{ \Psi }[/math]指标进行比较。
这里强调两个重点就可以了:因果涌现识别能力和泛化能力。另外“模型”这个词在很多地方都用到了,为避免指代的混乱,指涉机器学习模型的时候可以直接称呼名称,比如NIS+。
PLL:已改→每个实验中,我们将评估NIS+的因果涌现识别能力和泛化能力。
SIR实验
- SIR(易感、感染、恢复或死亡)模型是一个简单的宏观动态系统
这里要写出SIR的英文全称
PLL:已改->SIR(Susceptible Infected Recovered Model)模型是一个简单的宏观动态系统,
- 此实验有四个基本目标
这里的四个目标和后面实验有重合。可以改成强调这个实验独特的作用:它是一个已知宏观机制的玩具模型,可以验证NIS+是否真的做到了宏观有效信息最大化。后面增强泛化能力等等可以结合具体子图来讲
PLL:已改
- 设置感染率β = 1、康复率γ = 0.5。由于模型只有两个自由度([math]\displaystyle{ S + I + R = 1 }[/math]),故仅用S和I构成宏观状态变量[math]\displaystyle{ \boldsymbol{y}=(S,I) }[/math]。
这里语言不是很规整。还是需要有主语
PLL:已改->在此实验中,学者设置感染率β = 1、康复率γ = 0.5。由于SIR模型只有两个自由度([math]\displaystyle{ S + I + R = 1 }[/math]),故学者仅用S和I构成宏观状态变量[math]\displaystyle{ \boldsymbol{y}=(S,I) }[/math]。