5,443
个编辑
更改
→有效信息计算方法
为了避免高维度对EI计算的影响，NIS框架引入了维度归一化有效信息（Dimension Averaged Effective Information, dEI）**。其定义为：
为了避免高维度对EI计算的影响，NIS框架引入了维度归一化有效信息（Dimension Averaged Effective Information, dEI）**。其定义为：
<math>
<math>
dEI = \frac{EI}{n}
dEI = \frac{EI}{n}
1. 阶段一：预测训练
1. 阶段一：预测训练
通过最小化预测误差约束粗粒化策略，目标函数为：
通过最小化预测误差约束粗粒化策略，目标函数为：
<math>
L = \sum_t ||\hat{x}_{t+1} - x_{t+1}||_l
L = \sum_t ||\hat{x}_{t+1} - x_{t+1}||_l
</math>
</math>
其中，<math>||\cdot||_l</math> 表示 <math>l</math>-范数，通常选择二次误差。
其中，<math>||\cdot||_l</math> 表示 <math>l</math>-范数，通常选择二次误差。
2. 阶段二：搜索最优粗粒化维度
2. 阶段二：搜索最优粗粒化维度