更改

== 模型复杂度的量化指标 ==

== 模型复杂度的量化指标 ==

如果将模型构建视为一个动态过程，那么在模型构建和完善过程中，由于计算资源的限制，模型的大小也会受到限制，可以用它的统计复杂度指标来量化和监测模型的大小。同时可以用香农熵率<math>h_μ </math>监测智能体模型的预测能力。由于外部环境实际香农熵率与智能体内部模型的香农熵率之间的绝对差异决定了智能体的预测误差率，因此模型的熵率越接近外部环境的熵率，智能体的生存机会就越高。但这种生存能力是有代价的，这个代价由智能体在进行预测时必须投入的计算资源决定的，这种代价的量度就是模型的统计复杂度。

如果将模型构建视为一个动态过程，那么在模型构建和完善过程中，由于计算资源的限制，模型的大小也会受到限制，可以用它的统计复杂度指标来量化和监测模型的大小。同时可以用香农熵率<math>h_μ </math>监测智能体模型的预测能力，由于外部环境实际香农熵率与智能体内部模型的香农熵率之间的绝对差异决定了智能体的预测误差率，因此模型的熵率越接近外部环境的熵率，智能体的生存机会就越高。但这种生存能力是有代价的，这个代价由智能体在进行预测时必须投入的计算资源决定的，这种代价的量度就是模型的统计复杂度。

=== 柯氏复杂度 ===

=== 柯氏复杂度 ===