研究者提出Shannon observables信息分解框架

1. 13:00
   arXiv cs.AI

   Shannon observables：可扩展的信息分解新框架

   研究者提出“Shannon observables”框架，这类量能刻画高阶信息处理的关键性质，却可直接由 Shannon 熵计算并高效扩展到大系统，从而消解多变量信息论指标的长期解释歧义。该框架已用于分析纠错码在不同信道噪声下的编码区间、深度分类器与卷积自编码器逐层及训练过程中的信息处理特征，以及人脑 MEG 记录，并生成揭示定向信息传递区域结构的皮层图谱。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。