470
个编辑
更改
→统计复杂度： 深入统计复杂度定义公式
统计复杂度（statistical complexity）是复杂系统深度的量化方式之一，用<math>C_{\mu}</math>符号来表示。这里的对应于因果涌现量化（有效信息EI），统计复杂度<math>C_{\mu}</math>越小，有效信息EI越大。
统计复杂度（statistical complexity）是复杂系统深度的量化方式之一，用<math>C_{\mu}</math>符号来表示。这里的对应于因果涌现量化（有效信息EI），统计复杂度<math>C_{\mu}</math>越小，有效信息EI越大。
<math>C_μ(x)=\lVert M_{min}(x\vert BTM)\rVert \tag {5}</math>
我们按照文献<ref name=":1"></ref>中对统计复杂度的研究，将统计复杂度描述为：
其中，BTM是贝努利-图灵机器（Bernoulli-Turing Machine）
<math>C_μ(x)=min\{\lvert \langle BTM, w\rangle \rvert: BTM(w) = x \} \tag {5}</math>
其中，BTM是贝努利-图灵机器（Bernoulli-Turing Machine），w是贝努利-图灵机器的输入。
统计复杂度的下界，从周期行为和频段耦合中得出，是带二阶项的相位转换。
统计复杂度的下界，从周期行为和频段耦合中得出，是带二阶项的相位转换。