115
个编辑
更改
跳到导航
跳到搜索
第223行：
第223行： − 那么公式可以解释为：字符串<math>s^L </math>的总信息量≈被归纳的因果态信息量+放弃归纳的随机信息量+
→因果态的主要性质
结合本条性质，求<math>C_μ (s^L ) </math>就是求<math>s^L </math>对应的因果态的统计复杂度，也就是说想要计算<math>C_μ (s^L ) </math>需要先找到<math>s^L </math>对应的因果态。
结合本条性质，求<math>C_μ (s^L ) </math>就是求<math>s^L </math>对应的因果态的统计复杂度，也就是说想要计算<math>C_μ (s^L ) </math>需要先找到<math>s^L </math>对应的因果态。
那么公式可以解释为：序列<math>s^L </math>的总信息量≈被归纳的因果态信息量+放弃归纳的随机信息量
（3）因果态在所有有效态中具有最小随机性
（3）因果态在所有有效态中具有最小随机性