讨论:NIS+
——后面是要求,:后面是已经修改的或者思路,正文里面***后是可以删除的,我担心后面可能在用到,留的备份,师兄感觉我改的没问题,以后用不到可以把***后面的删除。
①因果涌现识别——添加参考文献,说明近年机器学习建模复杂系统的研究
YMZ:把下面参考文献加上。它们既是学习复杂系统的动力学,同时也有粗粒化策略: Vlachas P-R, Arampatzis G and Uhler C et al. Multiscale simulations of complex systems by learning their effective dynamics. Nat Mach Intell 2022; 4: 359–366.
Kemeth F-P, Bertalan T and Thiem T et al. Learning emergent partial differential equations in a learned emergent space. Nat Commun 2022; 13: 3318.
Floryan D and Graham M-D. Data-driven discovery of intrinsic dynamics. Nat Mach Intell 2022; 4: 1113–1120.
Cai L and Ji S. A multi-scale approach for graph link prediction. Proceedings of the AAAI Conference on Artificial Intelligence, New York, 20-27 February 2020.
Chen Z, Li S and Yang B et al. Multi-scale spatial temporal graph convolutional network for skeleton-based action recognition. Proceedings of the AAAI Conference on Artificial Intelligence, New York, 22 February - 1 March 2022.
PLL:已加。
③而在动力学系统中,模型可能对初始条件非常敏感,即使是微小的初始条件变化也可能导致系统行为的显著差异。——补充参考文献
YMZ:这里你可以找一篇混沌动力学领域的文献就行。
PLL:Wang F ,Wei Z ,Zhang W . Sliding homoclinic orbits and chaotic dynamics in a class of 3D piecewise-linear Filippov systems [J]. Nonlinear Dynamics, 2024, (prepublish): 1-21. 这篇应该可以吧?
④为了增强分布外泛化能力,学者可以生成多样化的数据,模拟不同的测试环境,还可以通过域适应技术(Domain Adaptation),使模型可以适应不同的测试数据分布,还有不变性学习(Invariant Learning)、元学习(Meta Learning)等方法。——添加英文+参考文献 :已加英文
YMZ:这些词当时是怎么找到的?可以去源头找一下参考文献
PLL:kimi助手,找了三篇相关的。
⑤NIS概述调整为数学问题定义:直接改标题吗?
YMZ:是的,那个二级标题。
PLL:概述——>数学问题定义,已改。
⑥神经网络上的EI计算——注释掉,链接到有效信息:全部去掉吗?
YMZ:先全部去掉吧
PLL:以防后面在用我先放在最后面,最后一版再删。
⑦NIS因为在历史部分,就有介绍了,所以还是略掉一些比较好:略到什么程度?
YMZ:这个是不是还是说神经网络EI计算的部分要略掉。
PLL:可能是。
⑨NIS+引入太突兀,多衬托一些开发NIS+的必要性,或者把NIS放到前面说
YMZ:可以在大图前面再强调一下为什么要最大化宏观有效信息。
PLL:在NIS中,作者将问题转换成一个两阶段的泛函问题,先在给定的尺度下,最小化预测误差,之后,在通过简单迭代找到有效信息最大的宏观尺度。但是,两阶段的方法并不能真正地最大化有效信息,不能得到最好的粗粒化策略和因果涌现,故作者提出了NIS+。——这样呢?
⑩图片配上文字说明:有些图片在讲述中讲解的,需要单独在讲一遍吗?就像论文里面配图下面的解释?
YMZ:应该就是目前的讲解不明显,可以a,b,c三张子图分别标注说明。
PLL:改了一点点。是这样,还是单独起一行专门讲这个图,其他图呢?
⑩①结构调整,对NIS+表述太干,建议把计算框架和结果放前面,理论性质放后面:框架只调整位置还是要重新定框架,改结构?
YMZ:把所有实验的部分放在概述和数学推导之间。
PLL:已改。