add version3

note_NICE.md

@@ -22,7 +22,7 @@ $q \rightarrow p=F[q]$,………………………………..2
 
 （注：$F$由$f$诱导.)
 
-满足保概率测度条件：$p(f(x))df(x)=g(x)dx$........................3
+满足保概率测度条件：$p(f(x))df(x)=g(x)dx$.....................3
 
 (所以，符合于最优传输理论的框架.)
 
@@ -62,19 +62,23 @@ $(s_i>>1,\sigma_i<<1,irrelevent\\s_i<<1,\sigma_i>>1,relevent\\s_i\sim 1,\sigma_i
 
 实际物理体系
 
-刻画方式：$F(\prod \frac{1}{\sqrt{2\pi}\sigma_i}e^{-\frac{x^2}{2\sigma^2}})\longleftrightarrow (Z\phi,\mathcal{L}=(\partial \phi)^2+g_1\phi^2+g_2\phi^4+...)$,
+（因为知道配分函数等价于知道概率分布）
+
+刻画方式：$p(x)=F(\prod \frac{1}{\sqrt{2\pi}\sigma_i}e^{-\frac{x^2}{2\sigma^2}})\\\longleftrightarrow\mathcal{Z}= \int \mathcal{D}\phi e^{-\int dx \mathcal{L}},\quad (Z\phi,\mathcal{L}=(\partial \phi)^2+g_1\phi^2+g_2\phi^4+...)$,
+
+​                            $(\mathcal {L}:拉氏量，场论；自由能泛函，统计物理)$.
 
 参数空间：$(\sigma_1,\sigma_2,...)\longleftrightarrow(g_1,g_2,...)$
 
 $神经网络\longleftrightarrow 正规化方案（维数正规化、Pauli-Villas正规化...)$
 
-$flow之逆 \longleftrightarrow 重整化群流$
+$flow \longleftrightarrow 重整化群流$
 
-注：flow从物理分布流向高斯分布,得到的高斯分布（保留全部信息）相当于重整化得到的低能有效理论（丢失信息，粗粒化的图像）
+注：flow从物理分布流向高斯分布,得到（一定展宽比例的）高斯分布（保留全部信息，但区分出了不同参数的重要程度）相当于重整化得到的低能有效理论（丢失细节信息，粗粒化的图像）
 
 (记正规化方案中截断参数为$\Lambda$
 
-反向，从高斯分布到物理分布计算，神经网络层数记为$\lambda$)
+反向，从高斯分布到物理分布计算，神经网络层数记为$\lambda​$)
 
 $\lambda \longleftrightarrow \Lambda$