[原創(chuàng)]用馮向軍知覺模型實現hartley信息(參考版)
2025-06-29 02:45本頁面
【正文】 Yu Ran. Pansystems GuanKong technology and information quantization. Kybernetes: The International Journal of Systems amp。參考文獻[1] 經典信息理論與工程專題討論隆重開幕[2] Yu Hong Yi。那么我馮向軍的GKE公式就是描述主觀概率相對客觀概率偏差了多少的廣義相對熵。 我現在隨便引入一個具體的觀控相對信息熵： GKE = P1log (W1/P1^2) + P2log (W2/P2^2) +...+Pnlog(Wn/Pn^2) (GK 1) Wi為觀控權重，i = 1，2，...,n. 不難證明 GKE = P1log(P1) P2log(P2)...Pnlog(Pn) (GK2) 右邊的事實信息為非負。 以事實為基準，讓相對信息永遠不大于事實所對應的信息。作為第二種證明的一個特例，我可以直接用觀控隸屬度F(I)的權重W(I)來十分方便地構造具有“用事實來檢驗預測”的廣義相對熵。QiVi/Ui 0i =1,2,...,n假設Q1(V1/U1)+Q2(V2/U2)+...+Qn(Vn/Un) = 1, 就恒有P1log(Q1/U1) + P2log(Q2/U2) +...+ Pnlog(Qn/Un) =P1log(P1/V1) + P2log(P2/V2)+...+ Pnlog(Pn/Vn) (1)這是因為[1]P1log(Q1/U1) + P2log(Q2/U2) +...+ Pnlog(Qn/Un) i =1,2,...,n假設Q1/U1+Q2/U2+...+Qn/Un = 1, 就恒有P1log(Q1/U1) + P2log(Q2/U2) +...+ Pnlog(Qn/Un) =P1log(P1) + P2log(P2) +...+Pnlog(Pn) (1)這是因為[1]P1log(Q1/U1) + P2log(Q2/U2) +...+ Pnlog(Qn/Un) 假設Q1+Q2+...+Qn = 1, 就恒有P1log(Q1/U1) + P2log(Q2/U2) +...+ Pnlog(Qn/Un) =P1log(P1/U1) + P2log(P2/U2)+...+ Pnlog(Pn/Un) (1)這是因為[1]P1log(Q1/U1) + P2log(Q2/U2) +...+ Pnlog(Qn/Un) 附錄命題： “廣義Kullback信息”= Kullback信息對于滿足一定條件的相對信息均成立，因為這是Kullback距離的基本性質，不一定非要是魚罩子相對信息才行。 Cybernetics. Year: 2003 Volume: 32 Page: 905 – 911.[8] 于宏義, 信息量化測度 Leon (Xiangjun) Feng。1984 [2] [3] 張學文. 組成論[M]合肥：中國科技大學出版社，2003年12月第1版，第1次印刷.[4] 馮向軍, 1比特本質信息論 一種定性定量兼顧融合各家的原創(chuàng)信息論 (特邀論文), 世界華人一般性科學論壇[EB] ( ISBN 0975503928 )，第1卷第3期，2005年9月。 盡管我對信息的本質有自己的看法，但真正做信息的科學計算時，從來就是用漢明這一套。 熵Hr就是這個信息的技術定義下的平均信息。他們根本不明確這是一個純技術定義。 這是根據符號的概率來建立的一個工程定義,而不是根據這個符號對人的實際意義來建立的定義。由于復合事件的概率是兩個獨立事件概率的乘積，所以很自然地把信息量定義為 I(si) = log2(1/pi) 這樣就得到如下的結果： I(s1) + I(s2) = log2(1/(p1p2)) =I(s1, s2) 此式清楚地表明如果概率取積那么信息量就取和。 所以信息與事件發(fā)生的概率有點象反比例關系。 所以沒有信息，因為我們知道消息必定是什么。經典信息論的一種關于信息的理解和信息的工程定義式 我一直認同并采用漢明碼發(fā)明人漢明(R. W. Hamming) 對信息的工程定義式。
公司管理相關推薦
鄂ICP備17016276號-1