有限数据下的传递熵
机器学习
2025-06-23 v1
摘要
传递熵是用于量化复杂系统中有向信息流的广泛使用度量。虽然对连续数据的传递熵估计已为人所熟知，但其在有限基数数据方面存在两个主要缺陷:它对稀疏 bin 计数显示出显著的正偏差，且没有明确的统计显著性评估手段。通过在不显式将符号作为随机变量实例的情况下计算有限数据流中的信息内容，我们推导出一种传递熵度量，其与标准插值估计量在渐近意义上等效，但纠正了小规模和/或高基数时间序列中的这些问题，使其能够在无仿真的情况下对统计显著性进行完全非参数评估。
引用
@article{arxiv.2506.16216,
title = {From Pixels to CSI: Distilling Latent Dynamics For Efficient Wireless Resource Management},
author = {Charbel Bou Chaaya and Abanoub M. Girgis and Mehdi Bennis},
journal= {arXiv preprint arXiv:2506.16216},
year = {2025}
}