打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←上一编辑
下一编辑→
因果涌现
(查看源代码)
2024年7月14日 (日) 15:39的版本
添加578字节
、
2024年7月14日 (星期日)
→其他(Dynamic independence等)
第154行:
第154行:
[[文件:动力学解耦例子.png|居中|800x500像素|缩略图|线性动力学解耦例子]]
[[文件:动力学解耦例子.png|居中|800x500像素|缩略图|线性动力学解耦例子]]
−
文中,作者在线性系统中进行了实验验证,实验流程是:1)使用线性系统生成参数与规律;2)设定粗粒化函数;3)
得到转移熵的表达式;4)优化求解最大脱耦合率的粗粒化方法(对应最小转移熵)。
+
文中,作者在线性系统中进行了实验验证,实验流程是:1)使用线性系统生成参数与规律;2)设定粗粒化函数;3)
得到转移熵的表达式;4)优化求解最大脱耦合率的粗粒化方法(对应最小转移熵)。这里的优化算法可以使用转移熵作为优化目标,然后使用梯度下降算法来求解符合的粗粒化函数,也可以使用遗传算法来优化。上图展示了一个线性系统的例子,动力学是一个向量自回归的模型,图a是一个格兰杰因果网络,图b是使用遗传算法不同的初始化迭代的结果,纵轴表示动力学解耦的程度,图c表示不同的粗粒化尺度会影响能否优化到动力学解耦的程度,结果发现只有scale=2和6时可能达到动力学解耦,因此尺度的选择也很重要。
===几种因果涌现理论比较===
===几种因果涌现理论比较===
相信未来
1,906
个编辑