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8月5日 (一) 14:29的版本
添加4字节
、
2024年8月5日 (星期一)
→基于互信息的近似方法
第176行:
第176行:
由于基于互信息的近似方法需要依赖宏观态<math>V</math>的选择,因此,作者给出了两种方法,一种是给定一个宏观态<math>V</math>计算,另一种是基于机器学习的方法学习宏观态<math>V</math>以及最大化<math>\mathrm{\Psi} </math>。下面我们分别介绍这两种方法:
由于基于互信息的近似方法需要依赖宏观态<math>V</math>的选择,因此,作者给出了两种方法,一种是给定一个宏观态<math>V</math>计算,另一种是基于机器学习的方法学习宏观态<math>V</math>以及最大化<math>\mathrm{\Psi} </math>。下面我们分别介绍这两种方法:
−
Rosas虽然给出因果涌现的严格定义,但在<math>\varphi ID </math>
中使用的数学公式很复杂,同时计算要求很高,信息分解框架中定义的信息原子难以计算
, 难以将该方法应用于实际系统。因此,Rosas等绕开特有信息和协同信息的计算<ref name=":5" />,作者推导出只需要计算[[互信息]]的近似公式,提出一个判定因果涌现发生的充分条件,基于[[互信息]]提出三个新指标,<math>\mathrm{\Psi} </math> ,<math>\mathrm{\Delta} </math> 和<math>\mathrm{\Gamma} </math>用于识别系统中的因果涌现,三种指标的具体计算公式如下所示:
+
Rosas虽然给出因果涌现的严格定义,但在<math>\varphi ID </math>
中使用的数学公式很复杂,同时计算要求很高,[[信息分解]]框架中定义的信息原子难以计算
, 难以将该方法应用于实际系统。因此,Rosas等绕开特有信息和协同信息的计算<ref name=":5" />,作者推导出只需要计算[[互信息]]的近似公式,提出一个判定因果涌现发生的充分条件,基于[[互信息]]提出三个新指标,<math>\mathrm{\Psi} </math> ,<math>\mathrm{\Delta} </math> 和<math>\mathrm{\Gamma} </math>用于识别系统中的因果涌现,三种指标的具体计算公式如下所示:
<math>\Psi_{t, t+1}(V):=I\left(V_t ; V_{t+1}\right)-\sum_j I\left(X_t^j ; V_{t+1}\right) </math>
<math>\Psi_{t, t+1}(V):=I\left(V_t ; V_{t+1}\right)-\sum_j I\left(X_t^j ; V_{t+1}\right) </math>
相信未来
1,884
个编辑