基于信息价值的马尔可夫链降阶方法
信息论
2019-05-01 v1 math.IT
摘要
本文中，我们提出一种获取马尔可夫链降阶模型的方法。我们的方法由两个信息论过程组成。第一个是比较定义在不同状态空间上的一对平稳链的手段，通过定义在模型联合空间上的负 Kullback-Leibler 散度实现。模型降阶通过关于该散度求解信息价值准则来实现。优化该准则导致高阶马尔可夫链中状态的概率性划分。在优化过程中出现的单一自由参数同时决定划分不确定性和状态组数目。我们提供了一种数据驱动的手段来选择该自由参数的“最优”值，从而避开需要预先知道任意链中状态组数目的问题。
引用
@article{arxiv.1903.09266,
title = {Reduction of Markov Chains using a Value-of-Information-Based Approach},
author = {Isaac J. Sledge and Jose C. Principe},
journal= {arXiv preprint arXiv:1903.09266},
year = {2019}
}
备注
Submitted to Entropy