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→
马尔科夫链的粗粒化
(查看源代码)
2025年10月11日 (六) 18:10的版本
添加11字节
、
2025年10月11日 (六) 18:10
→粗粒化方案符合的性质
第80行:
第80行:
==粗粒化方案符合的性质==
==粗粒化方案符合的性质==
−
最基本的粗粒化方法的约束是要确保粗粒化后的新的<math>S'</math>和<math>T'</math>要符合马尔科夫链定义。除此之外也有一些其他的规则,比如:
+
最基本的粗粒化方法的约束是要确保粗粒化后的新的 <math>S'</math> 和 <math>T'</math> 要符合马尔科夫链定义。除此之外也有一些其他的规则,比如:
====宏观最大预测性====
====宏观最大预测性====
第86行:
第86行:
宏观最大预测性是指,在将微观状态粗粒化为宏观状态后,我们只用宏观状态就能预测后续的'''宏观'''状态。
宏观最大预测性是指,在将微观状态粗粒化为宏观状态后,我们只用宏观状态就能预测后续的'''宏观'''状态。
−
具体来说,只需要知道宏观状态<math>A^{(t)}</math>,就可以最大化<math>A^{(t+1)}</math>的预测效果,而微观状态<math>s^{(t+1)}</math>虽然能提供一些额外信息,但是对于预测<math>A^{(t+1)}</math>并无帮助。这意味着条件互信息<math>I(A^{(t+1)}; s^{(t+1)} | A^{(t)}) = 0</math>。宏观动力学不需要任何来自微观状态的修正,就能独立且正确地反映系统在宏观层面上的演化。
+
具体来说,只需要知道宏观状态 <math>A^{(t)}</math>,就可以最大化 <math>A^{(t+1)}</math> 的预测效果,而微观状态 <math>s^{(t+1)}</math> 虽然能提供一些额外信息,但是对于预测 <math>A^{(t+1)}</math> 并无帮助。这意味着条件互信息<math>I(A^{(t+1)}; s^{(t+1)} | A^{(t)}) = 0</math>。宏观动力学不需要任何来自微观状态的修正,就能独立且正确地反映系统在宏观层面上的演化。
<br/>
<br/>
Liangjh
812
个编辑