3,094
个编辑
更改
→香农熵率
h_\mu=\lim_{L\to\infty}\frac{H(\Pr(s^L))}L
h_\mu=\lim_{L\to\infty}\frac{H(\Pr(s^L))}L
</math>
</math>
其中<math> \Pr(s^L)</math>是[math]\displaystyle{ s^L }[/math]的边际分布，[math]\displaystyle{ H }[/math]是香农熵，也就是[[自信息]]的平均值，在建模框架中，[math]\displaystyle{ h_μ }[/math]可以解释为智能体在预测序列[math]\displaystyle{ s^L }[/math]的后续符号时的误差率。
其中<math> \Pr(s^L)</math>是[math]\displaystyle{ s^L }[/math]的边际分布，[math]\displaystyle{ H }[/math]是香农熵，也就是[[自信息]]的平均值，在建模框架中，[math]\displaystyle{ h_μ }[/math]可以解释为智能体在预测序列[math]\displaystyle{ s^L }[/math]的后续符号时的误差率。