聖塔非研究所

連續時間更新並隱藏半馬可夫過程的資訊和因果體系結構

2026-03-18 · 工作論文 · 更新 2026/03/18 上午11:48

摘要 抽象的。我們介紹由某些隱含半馬可夫模型產生的過程的最小最大預測模型(ε 機器)。它們的因果狀態要么是混合離散連續變量,要么是連續隨機變量,並且因果狀態轉換由偏微分方程描述。給出了統計複雜性、過剩熵和差異資訊解剖率的封閉式表達式。我們對連續時間更新過程的ε 機器進行了完整的分析,然後將其擴展到由單線隱半馬可夫模型和半馬可夫模型產生的過程。我們的資訊理論分析得出了這些非常一般…

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 #41
  • 日期:2026-03-18

摘要

抽象的。我們介紹由某些隱含半馬可夫模型產生的過程的最小最大預測模型(ε-機器)。它們的因果狀態要么是混合離散連續變量,要么是連續隨機變量,並且因果狀態轉換由偏微分方程描述。給出了統計複雜性、過剩熵和差異資訊解剖率的封閉式表達式。我們對連續時間更新過程的ε-機器進行了完整的分析,然後將其擴展到由單線隱半馬可夫模型和半馬可夫模型產生的過程。我們的資訊理論分析得出了這些非常一般的連續時間過程類別的熵率和相關資訊度量率的新表達式。