更改

因果涌现 (查看源代码)

2024年9月9日 (一) 20:18的版本

删除293字节、 2024年9月9日 (星期一)

第247行：第247行：

=====实例=====

−

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。

+

文中举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，通过使用遗传算法对不同的初始条件进行迭代进化，能使得系统的动力学动力学解耦程度也逐渐增加，同时发现不同的粗粒化尺度会影响优化到[[动力学解耦]]的程度，实验发现只有某些尺度下能达到动力学解耦，而其他尺度则不行，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]]~~

===几种因果涌现理论比较===

相信未来

2,435

个编辑