机器学习框架NIS+:通过最大化有效信息识别“因果涌现” | NSR
知社学术圈
2024-10-22 11:29
文章摘要
北京师范大学系统科学学院张江课题组提出了一种名为NIS+的机器学习框架,旨在通过最大化有效信息(EI)来识别复杂系统中的“因果涌现”现象。该框架结合样本重加权和反向动力学训练技术,能够从观测时间序列中提取最优的粗粒化策略,建立宏观动力学预测模型,并判断是否发生因果涌现。研究团队在模拟和真实数据上验证了NIS+的有效性,包括在鸟群模拟模型、生命游戏和fMRI数据上的实验。结果显示,NIS+不仅能够捕捉复杂系统的宏观动力学变化,还具有更强的分布外泛化预测能力。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。