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
我們引入了一種推斷隨機動力系統因果結構的方法，該方法將率失真理論擴展到使用因果屏蔽（一種自然的學習原理）。我們研究因果推理的兩種不同情況：最優因果濾波和最優因果估計。過濾對應於測量序列的機率分佈已知的理想情況，給出了一種在所需表示層級上近似系統因果結構的原理方法。我們證明，在放鬆模型複雜性限制的限制下，過濾可以找到隨機動力系統的確切因果架構，稱為因果狀態劃分。由此，我們可以估計進程儲存的歷史資訊量。更一般地說，因果濾波找到了因果架構近似的分級模型複雜度層次結構。作為近似函數，層次結構的突然變化捕捉了結構組織的不同尺度。對於數據有限的非理想情況，我們展示瞭如何透過最佳因果估計來找到正確數量的潛在因果狀態。先前導出的模型複雜性控制項使我們能夠糾正機率估計中統計波動的影響，從而避免過度擬合。