5,443
个编辑
更改
跳到导航
跳到搜索
第67行：
第67行： − + + + +
→计算示例
这里，[A:B]ₛ表示对子系统 S 的二分切割；EI (A⇌B) 为 A 与 B 之间的双向有效信息；分母 min {Hmax (A), Hmax (B)} 为 A 或 B 的最大可能熵（该值仅依赖于各自包含的元素数量）。通过寻找使上述归一化表达式取值最小的二分切割，MIB (S) 得以确定系统中最易分割的信息边界。
这里，[A:B]ₛ表示对子系统 S 的二分切割；EI (A⇌B) 为 A 与 B 之间的双向有效信息；分母 min {Hmax (A), Hmax (B)} 为 A 或 B 的最大可能熵（该值仅依赖于各自包含的元素数量）。通过寻找使上述归一化表达式取值最小的二分切割，MIB (S) 得以确定系统中最易分割的信息边界。
==== 计算示例 ====
==== 熵的计算 ====
我们以一个包含 n个元素的孤立神经系统 X为例。该系统活动可由一个高斯平稳多元随机过程描述，并仅关注其内在属性，忽略来自环境的外部输入。这些元素可视为神经元组，其活动变量表示各组在数百毫秒内的放电率，彼此间的相互作用通过连接矩阵 CON(X)介导。系统动力学可表述为：
Xt=Xt−1⋅CON(X)
该多元过程的联合概率密度函数可通过熵（H）与互信息（MI）进行表征。
=== 不同版本的差异 ===
=== 不同版本的差异 ===