讨论:NIS+

机器学习算法

分阶段训练

PLL：1.0版本上线，师兄看看~（反向动力学和分阶段训练写的很少，怎么拓展呢？）

YMZ：要讲出分阶段训练的缘由，是减轻机器学习的压力，让它先学到比较靠谱的编码策略，然后调整至最优解。另外分阶段训练涉及的超参数是如何定的也可以简单说一下。

YMZ：我刚发现这里内容有问题呀，第二阶段不是只训练反向动力学，而是正反向一起训练。所以就有我在之前讨论中提到的正反向预测误差平衡的超参数。

PLL：已改， Then, the second stage which only trains the neural networks for the reverse dynamics (the lower information channel as shown in Figure 2 of the main text) is conducted.我看这句话有only，就以为正向和反向是分开训练的。

YMZ：这里确实是附录原文的问题。另外这段话还有一些表达上的小问题，我这边直接改过来了。

NIS+数值试验

现在实验这部分是原先的内容还是你新写的内容呀？

PLL：之前的，我现在开始改

• 大脑fMRI 时间序列数据模型实验

这是论文中翻译过来的吗？一般不这样叫，因为这四个实验都是时间序列的形式，而且这个是真实数据不是“模型”，所以可以去掉“时间序列数据模型”这几个字。下文同。

• 每个实验中，我们将评估模型的预测能力、泛化能力、识别CE的能力，并将识别结果与[math]\displaystyle{ \Psi }[/math]指标进行比较。

这里强调两个重点就可以了：因果涌现识别能力和泛化能力。另外“模型”这个词在很多地方都用到了，为避免指代的混乱，指涉机器学习模型的时候可以直接称呼名称，比如NIS+。

SIR实验

• SIR（易感、感染、恢复或死亡）模型是一个简单的宏观动态系统

这里要写出SIR的英文全称

• 此实验有四个基本目标

这里的四个目标和后面实验有重合。可以改成强调这个实验独特的作用：它是一个已知宏观机制的玩具模型，可以验证NIS+是否真的做到了宏观有效信息最大化。后面增强泛化能力等等可以结合具体子图来讲