发散预测态：平稳遍历隐马尔可夫过程的统计复杂度维度

即便是简单定义、有限状态的生成器也会产生需要追踪不可数无穷多概率特征才能实现最优预测的随机过程。对于由隐马尔可夫链生成的过程，其后果是戏剧性的。它们的预测模型通常是无限状态的。并且直到最近，人们仍无法确定其内在随机性还是结构复杂度。不过，前作引入了精确计算香农熵率（随机性）以及建设性确定其最小（尽管是无限的）预测特征集的方法。利用这一点，我们解决了确定隐马尔可夫过程结构复杂度的互补挑战：计算其统计复杂度维度——即最小预测特征集的信息维度。这追踪了最优预测一类真正复杂过程所需最小记忆资源的发散速率。