5,443
个编辑
更改
跳到导航
跳到搜索
第53行：
第53行： − +
→有效信息
</math>
</math>
其中<math>\tilde{X}_t,\tilde{X}_{t+1}</math>分别为把t时刻的[math]X_t[/math][[干预]]为[[均匀分布]]后，前后两个时刻的状态，而EI度量的就是在干预操作后，系统前后两个时刻之间的互信息。<math>p_{ij}</math>为第i个状态转移到第j个状态的转移概率。从这个式子，不难看出，EI仅仅是概率转移矩阵[math]P[/math]的函数。进一步，马尔科夫链EI其实可以写成更加简便的向量形式<math>EI =\frac{1}{N}\sum_{i=1}^N D_{KL}(P_i||\bar{P})</math>，其中，[math]P_i[/math]矩阵[math]P[/math]的第[math]i[/math]个行向量。
其中<math>\tilde{X}_t,\tilde{X}_{t+1}</math>分别为把t时刻的[math]X_t[/math][[干预]]为[[均匀分布]]后，前后两个时刻的状态，而EI度量的就是在干预操作后，系统前后两个时刻之间的互信息。<math>p_{ij}</math>为第i个状态转移到第j个状态的转移概率。从这个式子，不难看出，EI仅仅是概率转移矩阵[math]P[/math]的函数。进一步，马尔科夫链EI其实可以写成更加简便的向量形式<math>EI =\frac{1}{N}\sum_{i=1}^N D_{KL}(P_i||\bar{P})</math>，其中，[math]P_i[/math]是矩阵[math]P[/math]的第[math]i[/math]个行向量。
针对马尔科夫链中列举的TPM例子，代入上述计算公式，它的有效信息如下：
针对马尔科夫链中列举的TPM例子，代入上述计算公式，它的有效信息如下：