3,094
个编辑
更改
→模型重构
===模型重构===
===模型重构===
由于智能体的计算资源是有限的，当测量结果中的数据量超过模型能够处理的极限时，我们就需要对生成序列的原有模型进行重构。这样做的目的是在保持计算资源不变的情况下，确保智能体仍然能够对外界进行有效的预测。重构的方法主要是通过寻找原有模型中不同状态组之间的相似性，也就是说，在原有模型已经识别出的因果态中，我们进一步抽象出更高层级的因果态组。这样，随着数据量的增大，我们就可以不断的在上一层级抽象出更高的层级，从而在计算资源有限的情况下，仍然能够应对更大量的数据。譬如，当智能体观测到“121212”时，会把“12”看成是一个模块，用一个字符“A”来表示，于是原本的微观态字符串就可以被重构为“AAA”这样的宏观态字符串，复杂度就降低了。而当模型进一步观测到更长的字符串是“12121231212123”时，便需要跳出原本的分组，而把“1212123”看成是一个新的模块，可以用一个字符“B”来表示，于是内部模型可以进一步用“BB”这样的新字符串来表示同一个观测对象。这便是一次模型重构升级的过程。下表中列举了一种模型重构的途径：
[[文件:层次机器示意图1.jpg|居中|无框|600x600像素|WU]]
[[文件:层次机器示意图1.jpg|居中|无框|600x600像素|WU]]