基于密码流假设的信息流三模式量化框架及其在多系统中的应用

《Entropy》:Modes of Information Flow

【字体: 大 中 小 】 时间:2026年10月22日 来源:Entropy 2.1

编辑推荐:

   系统中各组件之间的信息流以多种形式存在,是理解大规模复杂系统的组织和功能的关键。我们展示了从时间序列 X 到时间序列 Y 的三种信息流模式。**内在**信息流存在于 X 的过去独立于 Y 的过去而能够单独预测 Y 的当前的情况下;这通常被视为最常见的信息流形式。**共享**信

  系统中各组件之间的信息流以多种形式存在,是理解大规模复杂系统的组织和功能的关键。我们展示了从时间序列 X 到时间序列 Y 的三种信息流模式。**内在**信息流存在于 X 的过去独立于 Y 的过去而能够单独预测 Y 的当前的情况下;这通常被视为最常见的信息流形式。**共享**信息流存在于 X 的过去与 Y 的过去以相同方式预测 Y 的当前的情况下;这通常由于同步或共同驱动等原因而发生。最后,**协同**信息流发生在 X 的过去和 Y 的过去各自都无法单独预测 Y 的当前,但当二者结合时则可以预测 Y 的当前的情况下。目前最广泛使用的两种信息论信息流量化方法——时延互信息和转移熵——都只对这两种模式中的其中两种敏感:时延互信息对内在流和共享流均敏感,转移熵对内在流和协同流均敏感。为了分别量化每种模式,我们提出了**密码流假设**,认为内在流等同于 X 和 Y 之间的密钥协商。由于密钥协商速率无法直接计算,我们通过其易于计算的上界——内在互信息——来估计内在流,从而使所得的三分拆分相对于此上界而言。我们将其应用于多种系统中量化这三种信息流模式,包括非对称流、耦合混沌动力系统、领导者-跟随者群体动力学以及金融市场。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号