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 #118
- 日期：2026-03-18
摘要
預測率失真分析受到維數災難的困擾：對任意長的過去進行聚類以保留有關任意長的未來的信息，需要的資源通常隨長度呈指數增長。對於無限階馬可夫過程來說，挑戰更加複雜，因為對有限序列的調節無法捕捉它們過去的所有依賴關係。頻譜參數表明，當底層過程具有長程時間相關性時，對有限長度序列進行聚類的演算法會顯著失敗，甚至對於由有限記憶體隱馬可夫模型生成的過程也可能會失敗。我們透過根據計算力學的正向和反向時間因果狀態來建立預測率失真目標函數，從而避免了無限階過程的率失真分析中的維數災難。示例表明，由此產生的因果率失真理論極大地改進了當前的預測率失真分析。