条件互信息 - 版本历史

薄荷：/* 关于连续分布的概率密度函数 */

2021-10-27T13:22:05Z

关于连续分布的概率密度函数

2021-10-27T13:21:42Z

其他通用定义

2021-10-27T13:21:32Z

其他通用定义

2021-10-27T13:21:07Z

其他通用定义

2021-10-27T13:20:39Z

编者推荐

2021-10-27T13:15:30Z

编者推荐

2021-10-27T13:15:04Z

编者推荐

2021-10-27T13:14:44Z

2021-10-27T13:09:54Z

2021-08-22T13:15:15Z

@@ 第54行： / 第54行： @@
 其中边缘概率密度函数，联合概率密度函数，和（或）条件[[概率密度函数 ]]可以由p加上适当的下标表示。这可以简化为
-<math>
+:<math>
 I(X;Y|Z) = \int_{\mathcal{Z}} \int_{\mathcal{Y}} \int_{\mathcal{X}} \log \left(\frac{p_Z(z)p_{X,Y,Z}(x,y,z)}{p_{X,Z}(x,z)p_{Y,Z}(y,z)}\right) p_{X,Y,Z}(x,y,z) dx dy dz.
 </math>
 ==部分特性==

←上一版本		2021年10月27日 (三) 13:21的版本
第131行：		第131行：

	其中被积函数是'''拉东-尼科迪姆导数 Radon–Nikodym derivative'''的对数，涉及我们刚刚定义的一些条件概率测度。		其中被积函数是'''拉东-尼科迪姆导数 Radon–Nikodym derivative'''的对数，涉及我们刚刚定义的一些条件概率测度。
−

	<br>		<br>

←上一版本		2021年10月27日 (三) 13:21的版本
第131行：		第131行：

	其中被积函数是'''拉东-尼科迪姆导数 Radon–Nikodym derivative'''的对数，涉及我们刚刚定义的一些条件概率测度。		其中被积函数是'''拉东-尼科迪姆导数 Radon–Nikodym derivative'''的对数，涉及我们刚刚定义的一些条件概率测度。
		+
		+
		+	<br>

	==注释符号==		==注释符号==

@@ 第106行： / 第106行： @@
-现在，我们可以在给定其中一个随机变量值（或通过''' 积拓扑  product topology '''获得更多）的情况下正式定义'''条件概率测度  Conditional probability distribution|conditional probability measure '''。令<math>M</math>为<math>\Omega</math>的可测子集（即<math>M \in \mathcal F,</math>），令<math>x \in \mathrm{supp}\,X</math>。然后，使用''' 分解定理  Disintegration theorem '''：
+现在，我们可以在给定其中一个随机变量值（或通过''' 积拓扑  product topology '''获得更多）的情况下正式定义'''条件概率测度  Conditional probability distribution '''。令<math>M</math>为<math>\Omega</math>的可测子集（即<math>M \in \mathcal F,</math>），令<math>x \in \mathrm{supp}\,X</math>。然后，使用''' 分解定理  Disintegration theorem '''：
@@ 第131行： / 第131行： @@
 其中被积函数是'''拉东-尼科迪姆导数 Radon–Nikodym derivative'''的对数，涉及我们刚刚定义的一些条件概率测度。
 ==注释符号==

←上一版本		2021年10月27日 (三) 13:20的版本
第186行：		第186行：

	在本课程中，融合经典和现代信息论的成果，为信息科学方向学生提供一个统一的信息论基础，也可作为专业入门课程。主要讲解了熵，熵率，微分熵，AEP，数据压缩和信道的相关知识。		在本课程中，融合经典和现代信息论的成果，为信息科学方向学生提供一个统一的信息论基础，也可作为专业入门课程。主要讲解了熵，熵率，微分熵，AEP，数据压缩和信道的相关知识。
		+
		+
		+	===相关文章===
		+	* [https://www.pianshen.com/article/465233008/ Python 信息熵条件信息熵互信息（信息增益）的理解以及计算代码]
		+	* [https://blog.csdn.net/tandelin/article/details/104216570 R语言互信息和条件互信息]
		+

@@ 第182行： / 第182行： @@
 ===集智课程===
 ====[https://campus.swarma.org/course/3164 信息论]====
-:信息论（information theory）涉及信息的量化、存储和通信等。信息论是由克劳德·香农发展来的，用来找出信号处理与通信操作的基本限制，如数据压缩、可靠的存储和数据传输等。自创立以来，它已拓展应用到许多其他领域，包括统计推断、密码学、神经生物学、进化论、量子计算、剽窃检测和其他形式的数据分析。
+信息论（information theory）涉及信息的量化、存储和通信等。信息论是由克劳德·香农发展来的，用来找出信号处理与通信操作的基本限制，如数据压缩、可靠的存储和数据传输等。自创立以来，它已拓展应用到许多其他领域，包括统计推断、密码学、神经生物学、进化论、量子计算、剽窃检测和其他形式的数据分析。
-:在本课程中，融合经典和现代信息论的成果，为信息科学方向学生提供一个统一的信息论基础，也可作为专业入门课程。主要讲解了熵，熵率，微分熵，AEP，数据压缩和信道的相关知识。

←上一版本		2021年10月27日 (三) 13:14的版本
第178行：		第178行：
	==参考文献==		==参考文献==
	<references />		<references />
		+
		+	==编者推荐==
		+	===集智课程===
		+	====[https://campus.swarma.org/course/3164 信息论]====
		+	信息论（information theory）涉及信息的量化、存储和通信等。信息论是由克劳德·香农发展来的，用来找出信号处理与通信操作的基本限制，如数据压缩、可靠的存储和数据传输等。自创立以来，它已拓展应用到许多其他领域，包括统计推断、密码学、神经生物学、进化论、量子计算、剽窃检测和其他形式的数据分析。
		+
		+	在本课程中，融合经典和现代信息论的成果，为信息科学方向学生提供一个统一的信息论基础，也可作为专业入门课程。主要讲解了熵，熵率，微分熵，AEP，数据压缩和信道的相关知识。