150
个编辑
更改
跳到导航
跳到搜索
第110行：
第110行： − + 第284行：
第284行： −
→几种因果涌现理论
===几种因果涌现理论===
===几种因果涌现理论===
对于如何定义因果涌现是一个关键问题，有几个代表性工作，分别是 Hoel 等<ref name=":0" /><ref name=":1" />提出的基于[[有效信息]]的方法、Rosas等<ref name=":5">Rosas F E, Mediano P A, Jensen H J, et al. Reconciling emergences: An information-theoretic approach to identify causal emergence in multivariate data[J]. PLoS computational biology, 2020, 16(12): e1008289.</ref>提出的基于[[信息分解]]的方法、张江等人<ref name=":2" />基于[[奇异值分解]]提出了一套新的因果涌现理论以及一些其他的理论。
对于如何定义因果涌现是一个关键问题，有几个代表性工作，分别是 Hoel 等<ref name=":0" /><ref name=":1" />提出的基于[[有效信息]]的方法、Rosas 等<ref name=":5">Rosas F E, Mediano P A, Jensen H J, et al. Reconciling emergences: An information-theoretic approach to identify causal emergence in multivariate data[J]. PLoS computational biology, 2020, 16(12): e1008289.</ref>提出的基于[[信息分解]]的方法、张江等人<ref name=":2" />基于[[奇异值分解]]提出了一套新的因果涌现理论以及一些其他的理论。
=====实例=====
=====实例=====
文中举了一个线性动力系统的例子，其动力学是一个向量自回归的模型，通过使用遗传算法对不同的初始条件进行迭代进化，能使得系统的动力学解耦程度也逐渐增加，同时发现不同的粗粒化尺度会影响优化到[[动力学解耦]]的程度，实验发现只有在某些尺度下能达到动力学解耦，而在其他尺度则不行，因此尺度的选择也很重要。
文中举了一个线性动力系统的例子，其动力学是一个向量自回归的模型，通过使用遗传算法对不同的初始条件进行迭代进化，能使得系统的动力学解耦程度也逐渐增加，同时发现不同的粗粒化尺度会影响优化到[[动力学解耦]]的程度，实验发现只有在某些尺度下能达到动力学解耦，而在其他尺度则不行，因此尺度的选择也很重要。
===几种因果涌现理论比较===
===几种因果涌现理论比较===