结构还是噪声?
数据分析、统计与概率
2016-09-08 v2 统计力学
信息论
机器学习
数学物理
math.IT
math.MP
统计理论
混沌动力学
统计理论
摘要
我们展示了率失真理论如何通过自然区分规律性与随机性,为自动理论构建提供一种机制。我们从这样一个简单原则出发:模型变量应尽可能使未来与过去条件独立。基于此,我们构建了一个用于模型制作的客观函数,其极值体现了模型结构复杂性与预测能力之间的权衡。解对应于一个模型层级,在每一层复杂度下,都能以最小成本实现最优预测能力。在最大预测的极限情况下,所得最优模型通过提取底层因果态来识别过程的内在组织。在此极限下,模型的复杂度由统计复杂度给出,已知该复杂度是实现最大预测所需的最小值。实例表明,通过分析过程的因果可压缩性(反映在最优模型的率失真曲线中,即过程在不同表征层次上最优平衡结构与噪声的特征),理论构建可从中获益。
引用
@article{arxiv.0708.0654,
title = {Structure or Noise?},
author = {Susanne Still and James P. Crutchfield},
journal= {arXiv preprint arXiv:0708.0654},
year = {2016}
}
评论
6 pages, 2 figures; http://cse.ucdavis.edu/~cmg/compmech/pubs/son.html