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：工作論文
- 編號：工作論文 #613
- 日期：2026-03-18
摘要
我們將 Linkser 的前饋神經網路 Infomax 原理擴展到隨機相互依賴性的測量，以捕捉循環系統中的空間和時間訊號屬性。這種度量——「隨機交互作用」——量化了馬可夫鏈與單一單元過程的分裂鏈乘積的 Kullback-Leibler 散度。對於無約束的馬可夫鏈，隨機交互作用的最大化（也稱為「時間資訊最大」）先前已被證明會導致幾乎確定性的動態。目前的工作考慮約束馬可夫鏈上的時態 Infomax，其中部分單元被限制在規定的隨機過程中，為系統提供外部輸入。令人驚訝的是，在這種情況下，Temporal Infomax 會導致有限狀態自動機，要麼完全確定性，要麼至多弱非確定性。考慮到完整的當前狀態和輸入，這些系統內部狀態之間的轉換幾乎是完全可預測的，但每個單元的活動實際上是隨機的。結果透過電腦模擬得到證明並透過分析得到證實。此外，我們還將它們與在多個電極記錄中觀察到的相關動力學和功能連接性的實驗數據聯繫起來。