更改

复杂网络中的因果涌现 (查看源代码)

2024年11月9日 (六) 14:03的版本

添加2字节、 2024年11月9日 (星期六)

第144行：第144行：

[[动力学的一致性检验]]可以进一步验证[[HOMs]]方法的有效性。它的基本思想是，比较宏微观网络节点在任意时刻t的概率分布的[[KL散度]]之和。

−

在微观网络<math>G </math>与宏观网络<math>~~G_M~~ </math>上[[随机游走]]，在未来某个时间<math>t </math> ， <math>G </math>上的预期分布为 <math>P_m(t) </math>， <math>G_M </math>上的预期分布为 <math>P_M(t) </math>。将<math>P_m(t) </math>分布叠加到宏观上<math>G_M </math>的相同节点上，得到<math>P_{M|m}(t) </math>分布。用<math>P_M(t) </math>和<math>P_{M|m}(t) </math>之间的KL散度来衡量其不一致性（inconsistency），若结果为零则动力学一致。公式为：

+

在微观网络<math>A</math>与宏观网络<math>B</math>上进行[[随机游走]]，在未来某个时间<math>t </math> ， <math>G </math>上的预期分布为 <math>P_m(t) </math>， <math>G_M </math>上的预期分布为 <math>P_M(t) </math>。将<math>P_m(t) </math>分布叠加到宏观上<math>G_M </math>的相同节点上，得到<math>P_{M|m}(t) </math>分布。用<math>P_M(t) </math>和<math>P_{M|m}(t) </math>之间的KL散度来衡量其不一致性（inconsistency），若结果为零则动力学一致。公式为：

<math>inconsistency=\sum_{t=0}^T D_{KL}[P_M(t)||P_{M|m}(t)]</math>

相信未来

2,464

个编辑