275
个编辑
更改
跳到导航
跳到搜索
第38行：
第38行： − 智能体在构建和优化内部模型的过程中，由于计算资源的限制，不能无限制地增加模型的大小。因此我们需要一个能够量化模型复杂度的指标，以便监控和调整模型的大小，确保模型能匹配已有的计算资源。同时我们可以用香农熵率来监测智能体对外部环境的适应能力，智能体的香农熵率越接近外部环境的香农熵率，说明它的适应能力就越强，但也会消耗更多的计算资源。建模的过程就是不断平衡复杂度和香农熵率的过程。+ 第77行：
第77行： − +
→模型复杂度的量化指标
== 模型复杂度的量化指标 ==
== 模型复杂度的量化指标 ==
智能体在构建和优化内部模型的过程中，由于计算资源的限制，不能无限制地增加模型的大小。因此我们需要一个能够量化模型复杂度的指标，以便监控和调整模型的大小，确保模型能匹配已有的计算资源。
=== 柯氏复杂度 ===
=== 柯氏复杂度 ===
=== 香农熵率 ===
=== 香农熵率 ===
香农熵率（Shannon Entropy Rate）是信息论中的一个概念，通常用来衡量一个[[信源]]或[[随机过程]]在单位时间内传输的[[信息量]]，或者说是该信源的不确定性和复杂性的度量。它是香农熵的扩展，主要用于描述时间序列（如随机过程）的平均信息量。在计算力学中用香农熵率来监测智能体对外部环境的适应能力，智能体的香农熵率越接近外部环境的香农熵率，说明它的适应能力就越强。如果待测对象是由信源（例如[[马尔可夫链]]）生成的离散符号序列[math]\displaystyle{ s^L }[/math] ，[math]\displaystyle{ L }[/math]为序列的长度，柯式复杂度与香农熵率[math]\displaystyle{ h_μ }[/math]的关系为：
香农熵率（Shannon Entropy Rate）是信息论中的一个概念，通常用来衡量一个[[信源]]或[[随机过程]]在单位时间内传输的[[信息量]]，或者说是该信源的不确定性和复杂性的度量。它是香农熵的扩展，主要用于描述时间序列（如随机过程）的平均信息量。如果待测对象是由信源（例如[[马尔可夫链]]）生成的离散符号序列[math]\displaystyle{ s^L }[/math] ，[math]\displaystyle{ L }[/math]为序列的长度，柯式复杂度与香农熵率[math]\displaystyle{ h_μ }[/math]的关系为：
<math>
<math>