更改

* 有效信息（EI）：因果交互的度量

* 有效信息（EI）：因果交互的度量

有效信息 EI (A→B) 主要用来衡量 A 对 B 的全部因果影响。与单向因果影响的度量不同，EI (A→B) 专注于量化 A 作为因变量对 B 作为果变量产生的整体因果作用，其核心目标是明确 A 对 B 的因果影响程度。

有效信息 EI (A→B) 主要用来衡量 A 对 B 的全部因果影响，其公式为：

 

<math>

<math>

</math>

</math>

这里，A^Hmax 表示向 A 注入最大熵噪声（即切断其输入连接）；MI 为互信息，计算方式为 H (A) + H (B) − H (AB)（H 为熵）。通过计算注入最大熵噪声后的 A 与 B 之间的互信息，EI (A→B) 得以量化 A 对 B 的全部因果影响。

其中，A^Hmax 表示向 A 注入最大熵噪声（即切断其输入连接）；MI 为互信息，计算方式为 H (A) + H (B) − H (AB)（H 为熵）。通过计算注入最大熵噪声后的 A 与 B 之间的互信息，EI (A→B) 得以量化 A 对 B 的全部因果影响。

 

切断 A 的传入连接；

其操作步骤包括：切断 A 的传入连接；用高斯噪声（强度为 cₚ）扰动 A；测量 B 的响应熵变化。

用高斯噪声（强度为 cₚ）扰动 A；

测量 B 的响应熵变化。

此外，双向 EI 的计算为 EI (A⇌B) = EI (A→B) + EI (B→A)，用于衡量 A 与 B 之间双向的全部因果影响总和。

此外，双向 EI 的计算为 EI (A⇌B) = EI (A→B) + EI (B→A)，用于衡量 A 与 B 之间双向的全部因果影响总和。