更改

跳到导航 跳到搜索
添加250字节 、 2024年7月7日 (日) 10:15
→‎ϵ-机制: 标红且将引理五的公式标准化
第402行: 第402行:  
    注意到Tij(λ) = δij;也就是,由空符号λ标志的转换是同一个。
 
    注意到Tij(λ) = δij;也就是,由空符号λ标志的转换是同一个。
 
     
 
     
−
===  ϵ-机制 ===  
+
===  ϵ-机器 ===  
   −
    从历史到因果态带有标记的转换概率Tij(s)的函数ϵ组合称作过程的ϵ-机制【5,6】。
+
从历史到因果态带有标记的转换概率<math>T_{ij}^{(s)}</math>的函数ϵ组合称作过程的ϵ-机器【5,6】。
−
   
  −
定义9(一个ϵ-机制定义)
     −
一个过程的ϵ-机制是有序对{ϵ,T},其中ϵ是因果态函数而T是由ϵ定义的状态转换矩阵。
+
定义9(一个ϵ-机器定义)
   −
等同地,我们或许由{S, T}表示一个ϵ-机制。
+
一个过程的'''<font color="#ff8000">ϵ-机器</font>'''是有序对{ϵ,T},其中ϵ是因果态函数而T是由ϵ定义的状态转换矩阵。
 +
 
 +
等同地,我们或许由{S, T}表示一个ϵ-机器。
    
为了符合第II节F代数要求,我们显式构造同半群理解的联系。
 
为了符合第II节F代数要求,我们显式构造同半群理解的联系。
   −
命题 1(ϵ-机制是幺半群)由ϵ-机制{ϵ, T}生成的代数是带单位元的半群, 也就是,它是幺半群。
+
命题 1(ϵ-机器是幺半群)由ϵ-机器{ϵ, T}生成的代数是带单位元的半群, 也就是,它是幺半群。
    
证明。参看附录D。
 
证明。参看附录D。
第420行: 第420行:  
备注。因为这个,ϵ-机制可以被解释为捕获一个过程的一般对称性。任意ϵ-机制的半群的子群是,其实,在更熟悉的意义上呈现对称。
 
备注。因为这个,ϵ-机制可以被解释为捕获一个过程的一般对称性。任意ϵ-机制的半群的子群是,其实,在更熟悉的意义上呈现对称。
   −
引理 5(ϵ-机制是决定性的)对于每一个Si和s∈A,Tij(s)>0只对于那些Sj对于ϵ(s<-s)=Sj当且仅当ϵ(s<-)=Si,对于所有的过去s<-。
+
引理 5(ϵ-机器是决定性的)对于每一个<math>\mathcal{S}_i</math>和<math>s \in \mathcal{A}</math>,<math>T_{ij}^{(s)}>0</math>只对于那些<math>\mathcal{S}_j</math>对于<math>ϵ(\overset{\leftarrow}{s}s)=\mathcal{S}_j</math>当且仅当<math>ϵ(\overset{\leftarrow}{s})=\mathcal{S}_i</math>,对于所有的过去<math>\overset{\leftarrow}{s}</math>。
    
证明。这个引理是断言的等价,对所有s∈A和S<-,S<-'∈S<-,如果ϵ(s<-) = ϵ(s<-'),则ϵ(s<-s) = ϵ(s<-'s)。(s<-s是另一段历史且附属于这个或那个因果态。)
 
证明。这个引理是断言的等价,对所有s∈A和S<-,S<-'∈S<-,如果ϵ(s<-) = ϵ(s<-'),则ϵ(s<-s) = ϵ(s<-'s)。(s<-s是另一段历史且附属于这个或那个因果态。)
第514行: 第514行:  
    给定一个过程的数学描述,有人可以经常计算分析它的ϵ-机制。(例如,查阅参考文献【65】中旋转系统的计算力学分析。)这里也有很多宽泛的算法可以从P(S<->)的经验模拟重构ϵ-机制。一些,比如那些在参考文献【5-7,69】中使用到的,操作在“批量”模式,将原始数据一起处理然后生成ϵ-机制。其他的可以操作在增量,处于“在线”模式,将因果态和它们的转移概率集合单独的测量和重新评估。
 
    给定一个过程的数学描述,有人可以经常计算分析它的ϵ-机制。(例如,查阅参考文献【65】中旋转系统的计算力学分析。)这里也有很多宽泛的算法可以从P(S<->)的经验模拟重构ϵ-机制。一些,比如那些在参考文献【5-7,69】中使用到的,操作在“批量”模式,将原始数据一起处理然后生成ϵ-机制。其他的可以操作在增量,处于“在线”模式,将因果态和它们的转移概率集合单独的测量和重新评估。
 
   
 
   
 +
 
==  最佳性和唯一性 ==
 
==  最佳性和唯一性 ==
 
我们现在展示这个:因果态是最高准确度的预测器并且是最小统计复杂度的;他们在共享两者属性中是唯一的;而且他们状态到状态的转换是最小随机性的。用其他的话说,他们满足从奥卡姆借用的两个约束条件,而且他们是唯一能做到这样的表示形式。这个非常重要的寓意在这里是因果态和ϵ-机制是任何学习或模型词汇的目标。该论点由证明最优化理论的久享盛名的意义上作出。我们指出,在我们的结论备注中(第Ⅶ节),在获取这些目标中已经包含了实的例子。
 
我们现在展示这个:因果态是最高准确度的预测器并且是最小统计复杂度的;他们在共享两者属性中是唯一的;而且他们状态到状态的转换是最小随机性的。用其他的话说,他们满足从奥卡姆借用的两个约束条件,而且他们是唯一能做到这样的表示形式。这个非常重要的寓意在这里是因果态和ϵ-机制是任何学习或模型词汇的目标。该论点由证明最优化理论的久享盛名的意义上作出。我们指出,在我们的结论备注中(第Ⅶ节),在获取这些目标中已经包含了实的例子。
470

个编辑

导航菜单