更改

具体来说，只需要知道宏观状态 <math>A^{(t)}</math>，就可以最大化 <math>s^{(t+1)}</math> 的预测效果。

具体来说，只需要知道宏观状态 <math>A^{(t)}</math>，就可以最大化 <math>s^{(t+1)}</math> 的预测效果。

对于宏观态 <math>\mathcal{\forallR}</math> 和正整数 <math>L</math>，都有 <math>H[\stackrel{\rightarrow}{S}^L|\mathcal{R}]\geq H[\stackrel{\rightarrow}{S}^L|\mathcal{S}]</math>，<math>\stackrel{\rightarrow}{S}^L</math> 为长度为 <math>L </math> 的未来序列集合，<math>\mathcal{S}</math> 为因果态划分，所有可能的历史序列记作 <math>\overleftarrow{S}</math>。<math>H[\stackrel{\rightarrow}{S}^L|\mathcal{R}]</math> 和 <math>H[\stackrel{\rightarrow}{S}^L|\mathcal{S}]</math> 是 <math>\stackrel{\rightarrow}{S}^L</math> 的[[条件熵]]。可以理解为因果态集合 <math>\mathcal{S}</math> 是在所有的划分宏观态集合 <math>\mathcal{R}</math>中，预测能力最强的一种宏观态，证明过程请参照[[计算力学]]词条。

对于宏观态 <math>\mathcal{\forall R}</math> 和正整数 <math>L</math>，都有 <math>H[\stackrel{\rightarrow}{S}^L|\mathcal{R}]\geq H[\stackrel{\rightarrow}{S}^L|\mathcal{S}]</math>，<math>\stackrel{\rightarrow}{S}^L</math> 为长度为 <math>L </math> 的未来序列集合，<math>\mathcal{S}</math> 为因果态划分，所有可能的历史序列记作 <math>\overleftarrow{S}</math>。<math>H[\stackrel{\rightarrow}{S}^L|\mathcal{R}]</math> 和 <math>H[\stackrel{\rightarrow}{S}^L|\mathcal{S}]</math> 是 <math>\stackrel{\rightarrow}{S}^L</math> 的[[条件熵]]。可以理解为因果态集合 <math>\mathcal{S}</math> 是在所有的划分宏观态集合 <math>\mathcal{R}</math>中，预测能力最强的一种宏观态，证明过程请参照[[计算力学]]词条。

<br/>

<br/>