基于Blackwell序的多元高斯冗余与协同信息分解

1. 12:00
   arXiv · Statistics Machine Learning

   基于 Blackwell 序的多元高斯系统冗余与协同信息分解

   研究者基于 Blackwell 序为多元高斯系统定义了部分信息分解（PID），证明高斯通道在提取冗余信息与并集信息上均为最优，并给出直观几何解释与高效数值算法。其并集信息与协同度量与 BROJA 一致，双源情形下推导出闭式表达，Blackwell 冗余是唯一满足一组自然公理的冗余度量。方法在多达一千维或一千个源的系统中验证可扩展性，并应用于最优控制问题，识别传感器与记忆间的冗余与协同交互。

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.