更改

<math>

<math>

C_{\mu}(x)

C_{\mu}(x)

</math>是统计复杂度<ref name=':15' />J. P. Crutchfield and K. Young. Inferring statistical complexity.''Phys. Rev. Let''., 63:105–108,1989.</ref>，表示时间序列<math>

</math>是统计复杂度<ref name=':15'>J. P. Crutchfield and K. Young. Inferring statistical complexity.''Phys. Rev. Let''., 63:105–108,1989.</ref>，表示时间序列<math>

x

x

</math>的复杂性度量。它反映了在给定精度<math>

</math>的复杂性度量。它反映了在给定精度<math>

</math>的最简单形式，且在该模型中尽量减少其复杂性。<math>

</math>的最简单形式，且在该模型中尽量减少其复杂性。<math>

\left\|⋅\right\|

\left\|⋅\right\|

</math>这个符号表示对模型复杂度的量化。由于内部模型作为一种图灵机，本身也是用字符串（因果态）来描述，所以可以用长度、香农熵等指标来度量内部模型的复杂度。当我们使用香农熵来刻画内部模型的复杂度时，我们可以给出对于观测序列来说，统计复杂度的一个可计算的定义<ref name=':15'>：

</math>这个符号表示对模型复杂度的量化。由于内部模型作为一种图灵机，本身也是用字符串（因果态）来描述，所以可以用长度、香农熵等指标来度量内部模型的复杂度。当我们使用香农熵来刻画内部模型的复杂度时，我们可以给出对于观测序列来说，统计复杂度的一个可计算的定义<ref name=':15' />：

<math>C_\mu(\mathcal{x})\equiv H[\mathcal{S}] </math>，其中<math>\mathcal{S} </math>为观测数据<math>\mathcal{x} </math>的因果态集合。

<math>C_\mu(\mathcal{x})\equiv H[\mathcal{S}] </math>，其中<math>\mathcal{S} </math>为观测数据<math>\mathcal{x} </math>的因果态集合。