5,443
个编辑
更改
跳到导航
跳到搜索
第97行：
第97行： − 整合信息量<math>\Phi</math> 量化系统信息整合能力的关键在于度量系统各部分之间因果交互的紧密程度，从而反映出系统整合信息的效能。从本质上讲，Φ 是系统内在属性的函数，具体定义为“在最小信息二分切割下可交换的有效信息量”，适用于量化分布式网络（如大脑）中信息被统一处理的程度。Φ值越高，表示系统越能作为一个整体整合信息，而非仅仅是独立部分的集合<ref name="">{{cite journal|author1=Tononi G|title=An information integration theory of consciousness|journal=BMC Neuroscience|year=2004|volume=5|issue=1|page=42|url=https://doi.org/10.1186/1471-2202-5-42}}</ref>。下面以IIT1.0版本为例，详细讲解<math>\Phi</math>的计算过程。+ + + + + + +
→定义
=== 定义 ===
=== 定义 ===
Φ 指标用于量化系统的内在信息整合能力，其核心在于度量系统各部分之间因果交互的紧密程度，从而反映出系统整合信息的效能。从本质上讲，Φ 是系统内在属性的函数，具体定义为“在最小信息二分切割下可交换的有效信息量”，适用于量化分布式网络（如大脑）中信息被统一处理的程度。表达式为：
<math>
Φ(S)=EI(MIB(S))
</math>
其中，S表示待分析的子系统，MIB(S)代表最小信息二分切割，EI即有效信息（Effective Information）。该指标通过计算在最具限制性的二分切割下的有效信息量，来衡量系统的信息整合能力，Φ值越高，表示系统越能作为一个整体整合信息，而非仅仅是独立部分的集合<ref name="">{{cite journal|author1=Tononi G|title=An information integration theory of consciousness|journal=BMC Neuroscience|year=2004|volume=5|issue=1|page=42|url=https://doi.org/10.1186/1471-2202-5-42}}</ref>。
=== 有效信息（EI）===
=== 有效信息（EI）===