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
科學解釋通常需要從給定的資料集中推斷出最大的預測特徵。不幸的是，大多數隨機過程的最小最大預測特徵的集合是不可數無限的。在這種情況下，人們會做出妥協，轉而尋求近乎最大程度的預測特徵。在這裡，我們得出了接近最大預測特徵的數量和編碼成本與所需預測能力縮放比例的上限。速率由過程混合狀態分佈的分形維數決定。這些結果反過來表明，廣泛使用的有限階馬可夫模型作為預測器可能會失敗，而混合狀態預測特徵可以提供顯著的改進。