用于比较复杂系统信息分解的空模型
信息论
2024-10-16 v1 math.IT
摘要
信息论的一个关键特征是其普适性，可用于研究广泛的复杂系统。然而，许多信息论度量即使在具有相似属性的系统之间也会发生显著变化，这使得规范化技术对于在数据集之间进行有意义比较至关重要。灵感来自部分信息分解（Partial Information Decomposition, PID）框架，本文引入信息论空模型（Null Models for Information Theory, NuMIT），一种基于空模型的非线性规范化程序，其优于标准熵基准规范化方法并克服其局限性。我们提供针对不同统计特性的系统的实用实现，并在合成模型和人类神经影像数据上展示了该方法。我们的结果表明，NuMIT 提供了一种稳健可靠的工具，用于表征感兴趣的复杂系统，允许跨数据集比较，并为 PID 分析提供有意义的显著性检验。
引用
@article{arxiv.2410.11583,
title = {Null models for comparing information decomposition across complex systems},
author = {Alberto Liardi and Fernando E. Rosas and Robin L. Carhart-Harris and George Blackburne and Daniel Bor and Pedro A. M. Mediano},
journal= {arXiv preprint arXiv:2410.11583},
year = {2024}
}
备注
25 pages, 14 figures