558
个编辑
更改
无编辑摘要
</math>
</math>
</blockquote>
</blockquote>
=拓展：高斯噪声迭代系统基于SVD分解的因果涌现=
高斯噪声的随机迭代系统可以写成：
<blockquote>
<math>X_{𝑡+1} = 𝐴⋅𝑋𝑡 +\xi_𝑡
</math>
</blockquote>
其中<math>𝑋_𝑡</math>是t时刻的状态向量, 维数为<math>n</math>，<math>\xi \mathcal{N}(0,\Sigma)</math>，<math>\Sigma\in\mathcal{R}^{n\times n}</math>是协方差矩阵。这是一种最简单的连续状态空间的马尔科夫动力学，因此，我们要将SVD方法扩展到这类系统上。我们的思路是，首先利用泛函分析的思想，找到概率转移矩阵的对应物；其次，利用傅里叶变换求出奇异值的表达式，最终写出近似动力学可逆性<math>\Gamma_\alpha</math>的表达式。
==布尔网络==
=测试量化因果涌现的效果=
=测试量化因果涌现的效果=