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→
讨论:因果涌现
(查看源代码)
2024年9月9日 (一) 19:57的版本
添加735字节
、
2024年9月9日 (星期一)
无编辑摘要
第18行:
第18行:
因此,作者的意思'可能表示S的子集(大写的s,即S)。
因此,作者的意思'可能表示S的子集(大写的s,即S)。
+
+
+
下图展示了一个线性动力系统的例子,其动力学是一个向量自回归的模型,实验结果如下所示,图a是使用遗传算法对不同的初始条件进行迭代进化的结果,纵轴表示动力学解耦的程度,横坐标代表迭代步数。从图中,我们可以看出:随着迭代的增加,动力学解耦程度也逐渐增加,图b表示不同的粗粒化尺度会影响优化到[[动力学解耦]]的程度,每个尺度下我们使用不同的初始化进行多次实验,结果按照升序排列,实验发现只有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。
+
+
[[文件:动力学解耦例子2.png|居左|600x600像素|线性动力学解耦例子]]
相信未来
2,437
个编辑