470
个编辑
更改
小第228行：
第228行： − 让我们引用奥卡姆剃刀原则：“有些事情只需抓住关键点，做得太多的话就是徒劳”【63】。为了使用剃刀，我们需要修正什么是“完成”和什么是“更多”和“更少”的含义。我们希望完成的工作是准确地预测，比如，尽可以地降低条件熵H[S->L|R]。目标就变成了获取由引理1导出的界限。我们希望尽可能简单地完成它，尽可能使用最少的资源。在见识过这两个约束的道路上——最小化不确定性和最小化资源——我们需要有第二者的测量方法。因为P(S<- = s<-)是定义好的，这里有一个在η-状态之上的简化测量方法；比如，P(R = ρ)，处于任意单个实际状态的概率，也定义好了。对应地，我们定义资源的测量方法。+ 第243行：
第243行： − 一个状态类的统计复杂度是平均不确定度（单位是比特），在此过程的当前状态。这个，换句话说，是跟平均存储数量（单位是比特）一样，过程看上去是在保持过去，在给定选定的状态类R的条件下。（我们晚一点，在定义12中，查看如果定义一个过程它自己的统计复杂度。）这个目标是在尽可能少的存储下完成。再次申明，我们希望最小化统计复杂度，并符合最大准确预测的限制。+ − + − 之所以称呼S<-的所有划分为奥卡姆水池背后的想法也应当清楚了。一个原因就是想找到水池当中最浅层的地方。 这就是我们刚刚做的。+
→最小化和预测： 除编号外的公式标准化
=== 最小化和预测 ===
=== 最小化和预测 ===
让我们引用奥卡姆剃刀原则：“有些事情只需抓住关键点，做得太多的话就是徒劳”【63】。为了使用剃刀，我们需要修正什么是“完成”和什么是“更多”和“更少”的含义。我们希望完成的工作是准确地预测，比如，尽可以地降低条件熵<math>H[\overset{\to L}{S} \vert \mathcal{R}]</math>。目标就变成了获取由引理1导出的界限。我们希望尽可能简单地完成它，尽可能使用最少的资源。在见识过这两个约束的道路上——最小化不确定性和最小化资源——我们需要有第二者的测量方法。因为<math>P(\overset{\gets}{S} = \overset{\gets}{s})</math>是定义好的，这里有一个在η-状态之上的简化测量方法；比如，<math>P(\mathcal{R} = ρ)</math>，处于任意单个实际状态的概率，也定义好了。对应地，我们定义资源的测量方法。
定义4（因果态的复杂度）状态类R的统计复杂度是
定义4（因果态的复杂度）状态类R的统计复杂度是
μ中<math>C_{μ}</math>中提示我们它有着量化理论的特性，并且最终依赖于过程序列的分布，能导出状态上的测量。
μ中<math>C_{μ}</math>中提示我们它有着量化理论的特性，并且最终依赖于过程序列的分布，能导出状态上的测量。
一个状态类的统计复杂度是平均不确定度（单位是比特），在此过程的当前状态。这个，换句话说，是跟平均存储数量（单位是比特）一样，过程看上去是在保持过去，在给定选定的状态类<math>\mathbfcal{R}</math>的条件下。（我们晚一点，在定义12中，查看如果定义一个过程它自己的统计复杂度。）这个目标是在尽可能少的存储下完成。再次申明，我们希望最小化统计复杂度，并符合最大准确预测的限制。
之所以称呼<math>\overset{\gets}{S}</math>的所有划分为奥卡姆水池背后的想法也应当清楚了。一个原因就是想找到水池当中最浅层的地方。 这就是我们刚刚做的。
== 计算力学 ==
== 计算力学 ==