讨论:NIS+

NIS系列

目前这一小节没啥问题了，可以加参考文献和交叉引用了。

PLL：参考文献添加了neural information squeezer for causal emergence这片，链接主要是NIS。

YMZ：可逆神经网络也加上对应的参考文献吧

PLL：哪一篇？ Zhang J, Tao R, Yuan B. Dynamical Reversibility and A New Theory of Causal Emergence. arXiv preprint arXiv:2402.15054. 2024 Feb 23.这个吗？

YMZ：不是，是realnvp的，你看原论文的参考文献。我们要引的参考文献不只是因果涌现领域这几篇，还要关注我们论文里的参考文献，尤其是一些技术，往往都是别的领域发展比较成熟的我们借过来用。另外张老师动力学可逆这篇文章跟神经网络是没有关系的～

PLL：已改~

NIS 概述

NIS要不要提一句dEI和dCE？

YMZ：要提一下

PLL：已加，这样可以不？

YMZ：应该需要你把公式放在这里简单讲一下。要不你单独拿出来一个小节，叫做“神经网络上的EI计算”。我们会有一个专门的词条讲这个，你在这里就简单介绍一下那个公式，然后交叉引用即可。这个小节可以放在概述和缺陷之间。

PLL：ok

• 当输入数据的维度过大的时候，EI可能会发散。

这一点已经包含在你下面说的第二点里了。它其实有一个考虑是去除超参数L的影响。你可以看一下dei和dce的公式。

PLL：这里就是L的影响吧？输入数据的维度是和L相关的，X~[-L,L]

NIS 缺陷

• PLL：这样写可以吗？感觉不知道怎么写详细？

YMZ：差不多，也不用特别详细，但还需要写的更准确。

PLL：师兄看看哪里需要修改？

NIS+ 概述

这里图先换成我们综述里那张粉色的大图吧，因为NIS+还没正式发表，我担心这里用了新图会影响图片版权

NIS+ 数学推导

问题的形式化表达就不写了吧，因为和NIS那个优化框架基本没有区别。目前你写这一部分属于宏观EI变分下界那一小节的。数学推导这里你就直接写变分下界这一节吧。会引用到NIS那里提到的优化框架，你可以看一下别的词条是怎么引用公式的。

PLL：OK