812
个编辑
更改
→不同粗粒化方法之间的异同
==不同粗粒化方法之间的异同==
==不同粗粒化方法之间的异同==
对上述的概念进行一个总结：
# 粗粒化与时间演化算子的可交换性
** 本质：要求 / 指标（既是理想要求，又可度量偏差）
# 成块性
** 本质：一种结构性性质
** 作用：给出在“完全可交换、完全宏观马尔科夫”的极限下，粗粒化应满足的严格条件；也可以当作一种“硬约束目标”。
# 因果态
** 本质：结构 + 性质
** 更接近“单尺度下实现最大预测性的最优表征”的理论工具。
# 尺度闭合性（及因果/信息/计算闭合）
** 本质：要求 / 性质
** 是从“多尺度因果结构”角度，对一个粗粒化是否“自洽”的刻画。
# 因果涌现：最大化有效信息
** 本质：优化目标 + 评价指标（EI、可逆性）
** 这里是最典型的“优化问题表述”。
# 稳态分布下的随机动力学划分
** 本质：一种自然划分方式 + 结构性质
** 更像是从随机动力系统视角导出的一类“基准划分”。
所以可以看到，
# 因果涌现相关的有效信息可逆性是纯粹的“优化目标 + 指标”；
# 而可交换性和尺度闭合性更像是“理想要求 / 准则”；
# 成块性、因果态和稳态分布下的随机动力学划分是“结构性性质 / 自然划分”的理论工具。
===高阶网络聚类 Higher-order Macronodes v.s. 成块性===
===高阶网络聚类 Higher-order Macronodes v.s. 成块性===