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。
机器学习框架NIS+:通过最大化有效信息识别“因果涌现” | NSR
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。
推荐文献
Complex terrain causes global model prediction biases of 21.7 Zhengzhou extreme precipitation
DOI: 10.1016/j.scib.2025.09.015 Pub Date : 2026-01-30
IF 21.1 1区 综合性期刊 Q1 Science Bulletin
Correction to: Advancements in superconducting quantum computing.
DOI: 10.1093/nsr/nwaf582 Pub Date : 2026-01-24 Date: 2026/1/1 0:00:00
IF 17.1 1区 综合性期刊 Q1 National Science Review
Erratum: Combined HIF-1α blockade and CHIR99021 treatment reverses pulmonary fibrosis via modulation endothelial-to-mesenchymal transition.
DOI: 10.1016/j.isci.2026.114722 Pub Date : 2026-01-22 Date: 2026/2/20 0:00:00
IF 4.1 2区 综合性期刊 Q1 iScience
知社学术圈
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信