− | 智能体如何处理测量结果才能识别其中因果态呢?为了解决这个问题,计算力学建立了名为模式重构机器(ϵ-machine)的模型,它可以重构测量结果中的序列,去除随机噪音后识别其中的因果态。模式重构机器的大小可以用统计复杂度衡量,它的形式化定义可以用公式表示为<math>\left \{ \epsilon,T \right \}</math>,<math>T</math>为状态到状态的映射,满足<math>S_(t+1)=TS_t</math>,<math>T_{ij}^{\left ( s \right )}</math>为两个[[因果态]]<math>S_i</math>和<math>S_j</math>之间的因果态转移概率映射,<math>T_{ij}^{(s)}\equiv\mathrm{P}(\mathcal{S}'=\mathcal{S}_j,\stackrel{\to}{S}^1=s|\mathcal{S}=\mathcal{S}_i)</math>,它类似于一个粗粒化后的宏观动力学。 | + | 智能体如何处理测量结果才能识别其中因果态呢?为了解决这个问题,计算力学建立了名为模式重构机器(ϵ-machine)的模型,它可以重构测量结果中的序列,去除随机噪音后识别其中的因果态。模式重构机器的大小可以用统计复杂度衡量,它的形式化定义可以用公式表示为<math>M=(\mathcal{S},T)</math>,<math>T</math>为状态到状态的映射,满足<math>S_{(t+1)}=TS_t</math>,<math>T_{ij}^{\left ( s \right )}</math>为两个[[因果态]]<math>S_i</math>和<math>S_j</math>之间的因果态转移概率映射,<math>T_{ij}^{(s)}\equiv\mathrm{P}(\mathcal{S}'=\mathcal{S}_j,\stackrel{\to}{S}^1=s|\mathcal{S}=\mathcal{S}_i)</math>。 |