216
个编辑
更改
→两源变量框架与部分信息原子
这意味着，在通过'''互信息-冗余'''计算完独特后，可以用'''条件互信息-独特'''计算协同。
这意味着，在通过'''互信息-冗余'''计算完独特后，可以用'''条件互信息-独特'''计算协同。
这意味着，在通过**互信息-冗余**计算完独特后，可以用**条件互信息-独特**计算协同
为此我们可以先以两源变量框架为例，展示信息原子的计算，为此我们先介绍两源变量情形下，冗余信息的定义，依照一般定义，容易给出冗余信息在两源变量框架中的定义式为：
<math>
\mathrm{Red}(S_1,S_2 \rightarrow T) =I_{min}(\{S_1,S_2\};T) = \sum_{t} p(t) \min_{S_i}I(T = t; S_i)
</math>
其中
<math>
I(T = t; S_i) = \sum_{\mathbf{s}}p(\mathbf{\mathbf{s}}|t)\log_2\frac{p(t|\mathbf{s})}{p(\mathbf{s})}
</math>
'''例'''：
'''例'''：
|}
|}
其中，依定义易求得:
<math>
\mathrm{Red}(S_1,S_2 \rightarrow T) = 0
</math>
而可进一步计算:计算PID框架下相应的独特<math>\mathrm{Un}(X\rightarrow Z|Y),\mathrm{Un}(Y\rightarrow Z|X)</math>与协同<math>\mathrm{Syn}(X,Y \rightarrow Z)</math>这两种信息原子。
<math>\mathrm{Un}(X\rightarrow Z|Y) = \mathrm{Un}(Y\rightarrow Z|X) = -\mathrm{Red}(X,Y \rightarrow Z) =0</math>
<math>\mathrm{Un}(X\rightarrow Z|Y) = \mathrm{Un}(Y\rightarrow Z|X) = -\mathrm{Red}(X,Y \rightarrow Z) =0</math>