从大数据中寻找复杂系统的核心变量
尽管大数据的收集越来越容易，但随着从微观到宏观的尺度（scale）变化，系统行为会发生非线性的变化，这让模型构建、行为预测困难重重。如何跨越系统的尺度变化，挖掘出对系统行为真正起到影响的重要信息，是复杂系统研究成败的关键。
美国新英格兰复杂系统研究所（New England Complex Systems Institute, NECSI）的 Yaneer Bar-Yam（创始人及所长）在 2016 年撰写了这篇综述，梳理了重整化群、临界相变、复杂度曲线、混沌等多尺度分析方法，并以生物进化、多样性、种族暴力、市场价格波动等具体问题做了分析，尝试总结出一套复杂系统跨尺度研究的通用框架。
- 2021-08-02
- 阅读135
- 下载0
- 78页
- pdf
