1,921
个编辑
更改
→其他（Dynamic independence等）
# '''推广'''： 动态独立性可以推广到包含第三个条件变量的情况，通过条件传输熵来衡量。对于确定性系统，需要采用不同的方法进行框架化。
# '''推广'''： 动态独立性可以推广到包含第三个条件变量的情况，通过条件传输熵来衡量。对于确定性系统，需要采用不同的方法进行框架化。
量化动力学解耦
Tt(X→Y) 是一个非负量，用于量化宏观变量相对于微观变量的动力学独立性。如果 Tt(X→Y)=0，则 Y 是完全的动力学独立的。动力学独立性的具体计算可以通过以下公式表示：
<math>T_t(X \to Y) = H(Y_t | Y^-_t) - H(Y_t | Y^-_t, X^-_t)</math>
<math>T_t(X \to Y) = H(Y_t | Y^-_t) - H(Y_t | Y^-_t, X^-_t)</math>
在包含环境变量 E 的情况下，动态依赖性表示为：
在包含环境变量 E 的情况下，动力学独立表示为：
<math>T_t(X \to Y | E) = H(Y_t | Y^-_t, E^-_t) - H(Y_t | X^-_t, Y^-_t, E^-_t)</math>
<math>T_t(X \to Y | E) = H(Y_t | Y^-_t, E^-_t) - H(Y_t | X^-_t, Y^-_t, E^-_t)</math>
动力学独立的概念广泛适用于多种复杂动态系统，包括神经系统、经济过程和进化过程。通过粗粒化方法，可以将高维微观系统简化为低维宏观系统，从而揭示出复杂系统中的突现结构。
==因果涌现的识别==
==因果涌现的识别==