更改

神经网络的有效信息计算 (查看源代码)

2025年1月12日 (日) 05:06的版本

添加126字节、 2025年1月12日 (日) 05:06

无编辑摘要

第101行：第101行：

=== NIS框架概述 ===

−

[[神经信息压缩机]]（Neural Information Squeezer, NIS）框架是一种基于机器学习的新方法，旨在通过自动化地发现有效的[[粗粒化策略]]（Coarse-Graining Strategies）和宏观动态（Macro-Dynamics），从数据中识别[[因果涌现]]（Causal ~~Emergence）。该框架由以下三个关键组成部分构成：~~

+

[[神经信息压缩机]]（Neural Information Squeezer, NIS）框架是一种基于机器学习的新方法，旨在通过自动化地发现有效的[[粗粒化策略]]（Coarse-Graining Strategies）和宏观动态（Macro-Dynamics），从数据中识别[[因果涌现]]（Causal Emergence）<ref>Jianyu Zhang, Kai Liu. Neural Information Squeezer for Causal Emergence. In Entropy, volume 25, pages 1–26, 2023.</ref>。该框架由以下三个关键组成部分构成：

1. 编码器（Encoder）：编码器采用[[可逆神经网络]]（Invertible Neural Network, INN）实现，从微观状态 <math>x_t</math> 映射到宏观状态 <math>y_t</math>，保证信息无损。映射过程包括一个双射变换 <math>\psi_\alpha</math> 和一个投影算子（Projection Operator, <math>\chi</math>），后者通过丢弃冗余信息实现降维。其数学表达式如下：

相信未来

5,443

个编辑