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。
推荐文献
Enhanced transcytosis and retention (ETR) effect.
DOI: 10.1016/j.scib.2024.10.003
Pub Date : 2024-10-03
Workshop report: The role of Earth Observation for multi-(hazard-)risk assessment and management
DOI: 10.1016/j.isci.2024.110833
Pub Date : 2024-10-14
Strong and efficient bismuth telluride-based thermoelectrics for Peltier microcoolers
DOI: 10.1093/nsr/nwae329
Pub Date : 2024-09-17
知社学术圈
哈工大Matter：极化增强的固溶体薄膜.
11小时前
人工操控对称性及实现磁电效应的新途径.
2024-10-21
还不辞职？西班牙“刷引用”校长被施普林格一次性撤稿75篇.
2024-10-21
热电与拓扑是兄弟吗？.
2024-10-20
应县木塔为何千年不倒？10大古建筑秘密，你知道几个？.
2024-10-19
最新文章
京公网安备 11010802042870号
