更改

==可逆神经网络技术==

==可逆神经网络技术==

==数学框架：最大化EI==

==最大化EI==

2013年，Erik Hoel和他的团队首次提出了[[因果涌现]]理论<ref name=":1" />，使用[[有效信息]]（Effective Information, EI）来量化离散马尔科夫动力学系统的因果性强弱。在文献<ref name=":1" />中，作者在布尔网络实例中，通过对其进行空间、时间以及时空粗粒化都验证了因果涌现的发生，即”宏观打败微观“，这里需要强调的是对于一个动力学系统，要验证其能否发生因果涌现，需要找到能使宏观动力学的有效信息最大的粗粒化策略，如果在该尺度下宏观动力学的有效信息大于微观动力学的有效信息，则发生因果涌现，反之则不会发生因果涌现。然后该论文没有给出如何找到最大化有效信息的方法。NIS框架的提出就是为了尝试解决如何最大化有效信息这一过程，从而识别出系统中能否发生因果涌现。

2013年，Erik Hoel和他的团队首次提出了[[因果涌现]]理论<ref name=":1" />，使用[[有效信息]]（Effective Information, EI）来量化离散马尔科夫动力学系统的因果性强弱。在文献<ref name=":1" />中，作者在布尔网络实例中，通过对其进行空间、时间以及时空粗粒化都验证了因果涌现的发生，即”宏观打败微观“，这里需要强调的是对于一个动力学系统，要验证其能否发生因果涌现，需要找到能使宏观动力学的有效信息最大的粗粒化策略，如果在该尺度下宏观动力学的有效信息大于微观动力学的有效信息，则发生因果涌现，反之则不会发生因果涌现。然后该论文没有给出如何找到最大化有效信息的方法。NIS框架的提出就是为了尝试解决如何最大化有效信息这一过程，从而识别出系统中能否发生因果涌现。