通过集成信息分解迈向信息动力学的扩展分类法
神经元与认知
2021-09-28 v1 数据分析、统计与概率
摘要
复杂系统，从人脑到全球经济，由多个相互作用的要素构成，其“整体”行为常似乎超出以“部分之和”易于解释的范畴。我们理解和控制这些系统的能力仍然有限，原因之一是我们仍不知如何最好地描述并量化表征其复杂性的高阶动力学相互作用。为应对此局限，我们将信息分解与集成信息理论的原则结合为所谓集成信息分解，即 ID。ID 提供了一个全面框架，用以推理、评估并理解复杂多变量系统的信息动力学。ID 揭示了先前未报道的集体信息流模式，提供了将这些模式聚合表达已知信息转移与动力学复杂性度量的工具。通过计算与实证示例，我们证明 ID 将我们的解释力扩展到传统因果发现方法之外——对跨学科学复杂系统研究具有深远影响。
引用
@article{arxiv.2109.13186,
title = {Towards an extended taxonomy of information dynamics via Integrated Information Decomposition},
author = {Pedro A. M. Mediano and Fernando E. Rosas and Andrea I Luppi and Robin L. Carhart-Harris and Daniel Bor and Anil K. Seth and Adam B. Barrett},
journal= {arXiv preprint arXiv:2109.13186},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:1909.02297