基于上下文依赖时间的合成滤波几何模型

概率论中的经典滤波形式化了信息沿线性时间轴的积累：过去是唯一的，现在则演变为不确定的未来。然而，在现实中，这种线性本身可能是一种错觉——一种人类感知的产物，它将多种可能的历史坍缩为一条单一的表观路径。在本文中，我们提出了一个合成滤波的几何与同调模型，其中现在作为许多潜在过去的综合而出现。为此，我们引入了一个新的范畴Σ，它扩展了单纯形范畴Δ，使得每个时刻都带有上下文结构。合成滤波被实现为反变函子Σ^{op} → Prob，其中Prob是具有保零映射的概率空间范畴。然后，我们对Σ-滤波进行同调分析，构造其边界由条件期望给出的链复形。它们的同调群度量了信息“空洞”——由上下文期望的不兼容性引起的概率性障碍。作为一个具体实现，我们定义了Dirichlet滤波，其中单纯形上的测度源自Dirichlet分布，反映了参数和上下文的不确定性。贝叶斯更新随后被解释为Dirichlet函子的范畴变换，揭示了学习是跨上下文重建相干性的过程。该框架表明，看似线性的时间秩序仅仅是更高维上下文几何的一个投影。它统一了范畴概率论、同调代数和贝叶斯推理，为数学、金融和认知中的不确定性提供了一种新的语言。