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
給定觀察到的隨機過程，計算力學提供了一種在最大預測模型類別中建立最小隱馬可夫模型的顯式且有效的方法。這裡，相應的所謂的 epsilon 機器對預測機制進行編碼。我們根據能夠產生底層隨機過程的隱馬可夫模型提出了預測模型的替代概念。這兩種預測概念的比較表明，我們的方法限制較少，因此允許預測模型比 epsilon 機更簡潔。
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。
給定觀察到的隨機過程，計算力學提供了一種在最大預測模型類別中建立最小隱馬可夫模型的顯式且有效的方法。這裡，相應的所謂的 epsilon 機器對預測機制進行編碼。我們根據能夠產生底層隨機過程的隱馬可夫模型提出了預測模型的替代概念。這兩種預測概念的比較表明，我們的方法限制較少，因此允許預測模型比 epsilon 機更簡潔。