首页|复杂系统中的因果涌现研究综述

复杂系统中的因果涌现研究综述

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
聚焦复杂系统:就涌现、因果以及因果涌现进行了定量描述;阐述了因果与涌现的联系;系统梳理了基于粗粒化和信息分解2种定量刻画因果涌现的方法,以及基于信息分解和神经信息压缩2种因果涌现辨识方法;详细介绍了各方法的基本原理、优缺点,以及相关应用等.基于粗粒化方法定义了因果涌现框架,其可应用于离散动力系统;利用信息分解方法求解时结果会依赖冗余信息;基于信息分解所提出的指标可识别数据中的因果涌现,且找到一个充分条件;基于数据驱动的神经信息压缩方法可扩展并应用于连续动力系统,并可自动提取不同层级的粗粒化函数,以及构建不同层级的动力学,还可识别不同类型动力学系统的因果涌现;改进现有方法并用于识别更为复杂的系统与学习自动化分组,解决通用动力学大模型等问题.
Causal emergence in complex systems

complex systemcausal emergenceeffective informationcoarse-graininginformation decompositionneural information compression

王志鹏、张江

展开 >

北京师范大学系统科学学院,100875,北京

北京集智研究院,100085,北京

复杂系统 因果涌现 有效信息 粗粒化 信息分解 神经信息压缩

国家自然科学基金

61673070

2023

10.12202/j.0476-0301.2023049

北京师范大学学报(自然科学版)
北京师范大学

北京师范大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.505
ISSN：0476-0301
年,卷(期)：2023.59(5)
  • 1
  • 9