| 第206行: |
第206行: |
| | | | |
| | ===IIT2.0=== | | ===IIT2.0=== |
| | + | ==== Repertoire(可能性分布)==== |
| | + | 描述系统状态的 “可能性集合”,是计算信息的基础,分为两类:先验 Repertoire(<math> p^{max}(X_0) </math>)和Repertoire(<math>p(X_0 \to x_1)</math>) |
| | + | |
| | + | ===== 先验 Repertoire(<math> p^{max}(X_0) </math>)===== |
| | + | 系统所有可能初始状态的分布,默认是最大熵分布(完全无知状态,确保无预设偏差)。例如 n 个二元元素的系统有\(2^n\)种初始状态,每种概率相等(3 个二元元素的先验 Repertoire 含 8 种状态,熵 = 3 比特)。 |
| | + | |
| | + | ===== Repertoire(<math>p(X_0 \to x_1)</math>)===== |
| | + | 能通过系统因果交互导致当前状态\(x_1\)的初始状态分布,需通过 “扰动实验” 确定:强制系统进入每种先验状态,筛选出可产生\(x_1\)的状态(如图 1 中 3 个 AND 门系统,仅 1 种初始状态能导致\(x_1=001\),后验 Repertoire 熵 = 0)。 |
| | + | |
| | ====单点互信息==== | | ====单点互信息==== |
| | | | |