本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
即使是簡單定義的有限狀態產生器也會產生隨機過程，需要追蹤無數的機率特徵才能實現最佳預測。對於由隱馬可夫鏈生成的過程，其後果是巨大的。他們的預測模型通常是無限狀態的。而且，直到最近，人們既無法確定它們內在的隨機性，也無法確定結構的複雜性。不過，前傳引入了精確計算香農熵率（隨機性）並建設性地確定其最小（儘管是無限）預測特徵集的方法。利用這一點，我們透過計算隱馬可夫過程的統計複雜性維度（最小預測特徵集的資訊維度）來解決確定隱馬可夫過程結構的補充挑戰。它追蹤最佳預測一類真正複雜的過程所需的最小記憶體資源的發散率。