− | 要计算模型的统计复杂度[math]\displaystyle{ C_μ(x) }[/math],我们需要找到一种方法来最大限度地压缩描述测量结果的字符串。这意味着要先识别出测量结果中的斑图。具体来说,我们可以利用微分的思想,将测量结果的数据划分为若干部分,并将每个斑图的数据独立划分,会观察到在不同的时刻,某些斑图会反复出现。我们可以用同一个字符串来表示这些重复出现的斑图,这样就能简化我们的描述,得到模型的最小程序长度。我们可以把这些能够用同一个字符串描述的重复斑图称为“因果态”,这样一来,通过找到这些因果态,就能计算出模型的统计复杂度。 | + | 要计算模型的统计复杂度[math]\displaystyle{ C_μ(x) }[/math],我们需要找到一种方法来最大限度地压缩描述测量结果的字符串。这意味着要先识别出测量结果中的斑图。具体来说,我们可以利用微分的思想,将测量结果的数据划分为若干部分,并将每个斑图的数据独立划分,会观察到在不同的时刻,某些斑图会反复出现。我们可以用同一个字符串来表示这些重复出现的斑图,这样就能简化描述,以此得到模型的最小程序长度。我们可以把这些能够用同一个字符串描述的重复斑图称为“因果态”,这样一来,通过找到这些因果态,就能计算出模型的统计复杂度。 |