信息论

✍ dations ◷ 2025-07-02 11:17:20 #信息论
信息论(英语:information theory)是应用数学、电子学和计算机科学的一个分支,涉及信息的量化、存储和通信等。信息论是由克劳德·香农发展,用来找出信号处理与通信操作的基本限制,如数据压缩、可靠的存储和数据传输等。自创立以来,它已拓展应用到许多其他领域,包括统计推断、自然语言处理、密码学、神经生物学、进化论和分子编码的功能、生态学的模式选择、热物理、量子计算、语言学、剽窃检测、模式识别、异常检测和其他形式的数据分析。熵是信息的一个关键度量,通常用一条消息中需要存储或传输一个符号(英语:Symbol rate)的平均比特数来表示。熵衡量了预测随机变量的值时涉及到的不确定度的量。例如,指定掷硬币的结果(两个等可能的结果)比指定掷骰子的结果(六个等可能的结果)所提供的信息量更少(熵更少)。信息论将信息的传递作为一种统计现象来考虑,给出了估算通信信道容量的方法。信息传输和信息压缩是信息论研究中的两大领域。这两个方面又由信道编码定理、信源-信道隔离定理相互联系。信息论的基本内容的应用包括无损数据压缩(如ZIP文件)、有损数据压缩(如MP3和JPEG)、信道编码(如数字用户线路(DSL))。这个领域处在数学、统计学、计算机科学、物理学、神经科学和电机工程学的交叉点上。信息论对航海家深空探测任务的成败、光盘的发明、手机的可行性、互联网的发展、语言学和人类感知的研究、对黑洞的了解,以及许多其他领域都影响深远。信息论的重要子领域有信源编码、信道编码、算法复杂性理论、算法信息论、信息论安全性和信息度量等。信息论的主要内容可以类比人类最广泛的交流手段——语言来阐述。一种简洁的语言(以英语为例)通常有两个重要特点: 首先,最常用的词(比如"a"、"the"、"I")应该比不太常用的词(比如"benefit"、"generation"、"mediocre")要短一些;其次,如果句子的某一部分被漏听或者由于噪声干扰(比如一辆车辆疾驰而过)而被误听,听者应该仍然可以抓住句子的大概意思。而如果把电子通信系统比作一种语言的话,这种健壮性(robustness)是不可或缺的。将健壮性引入通信是通过信道编码完成的。信源编码和信道编码是信息论的基本研究课题。注意这些内容同消息的重要性之间是毫不相干的。例如,像“多谢;常来”这样的客套话与像“救命”这样的紧急请求在说起来、或者写起来所花的时间是差不多的,然而明显后者更重要,也更有实在意义。信息论却不考虑一段消息的重要性或内在意义,因为这些是数据的质量的问题而不是数据量(数据的长度)和可读性方面上的问题,后者只是由概率这一因素单独决定的。美国数学家克劳德·香农被称为“信息论之父”。人们通常将香农于1948年10月发表于《贝尔系统技术学报(英语:Bell System Technical Journal)》上的论文《通信的数学理论(英语:A Mathematical Theory of Communication)》作为现代信息论研究的开端。这一文章部分基于哈里·奈奎斯特和拉尔夫·哈特利(英语:Ralph Hartley)于1920年代先后发表的研究成果。在该文中,香农给出了信息熵的定义:其中 X {displaystyle {mathcal {X}}} 为有限个事件x的集合, X {displaystyle X} 是定义在 X {displaystyle {mathcal {X}}} 上的随机变量。信息熵是随机事件不确定性的度量。信息熵与物理学中的热力学熵有着紧密的联系:其中S(X)为热力学熵,H(X)为信息熵, k B {displaystyle k_{B}} 为波兹曼常数。 事实上这个关系也就是广义的波兹曼熵公式,或是在正则系综内的热力学熵表示式。如此可知,玻尔兹曼与吉布斯在统计物理学中对熵的工作,启发了信息论的熵。信息熵是信源编码定理中,压缩率的下限。当我们用少于信息熵的信息量做编码,那么我们一定有信息的损失。香农在大数定律和渐进均分性(英语:Asymptotic equipartition property)的基础上定义了典型集(英语:Typical set)和典型序列。典型集是典型序列的集合。因为一个独立同分布的 X {displaystyle X} 序列属于由 X {displaystyle X} 定义的典型集的概率大约为1,所以只需要将属于典型集的无记忆 X {displaystyle X} 信源序列编为唯一可译码,其他序列随意编码,就可以达到几乎无损失的压缩。若S为一个三个面的骰子,P(面一)=1/5,P(面二)=2/5,P(面三)=2/5H ( X ) = 1 5 log 2 ⁡ ( 5 ) + 2 5 log 2 ⁡ ( 5 2 ) + 2 5 log 2 ⁡ ( 5 2 ) {displaystyle H(X)={frac {1}{5}}log _{2}(5)+{frac {2}{5}}log _{2}left({frac {5}{2}}right)+{frac {2}{5}}log _{2}left({frac {5}{2}}right)}联合熵(Joint Entropy)由熵的定义出发,由联合分布,我们有:条件熵(Conditional Entropy),顾名思义,从条件概率p(y|x)做定义:因为由贝叶斯法则,我们有 p ( x , y ) = p ( y | x ) p ( x ) {displaystyle p(x,y)=p(y|x)p(x)} ,带入联合熵的定义,可以分离出条件熵,于是得到联合熵与条件熵的关系式:我们可以再对联合熵与条件熵的关系做推广,假设现在有n个随机变量 X i , i = 1 , 2 , . . . , n {displaystyle X_{i},i=1,2,...,n} ,重复分离出条件熵,我们有:他的意义显而易见,假如我们接收一段数列 { X 1 , X 2 , . . . , X n } {displaystyle {X_{1},X_{2},...,X_{n}}} ,且先收到 X 1 {displaystyle X_{1}} ,再来是 X 2 {displaystyle X_{2}} ,依此类推。那么收到 X 1 {displaystyle X_{1}} 后总消息量为 H ( X 1 ) {displaystyle H(X_{1})} ,收到 X 2 {displaystyle X_{2}} 后总消息量为 H ( X 1 ) + H ( X 2 | X 1 ) {displaystyle H(X_{1})+H(X_{2}|X_{1})} ,直到收到 X n {displaystyle X_{n}} 后我们的总消息量应为 H ( X 1 , . . . , X n ) {displaystyle H(X_{1},...,X_{n})} ,于是这个接收过程中就给出了链式法則。互信息(Mutual Information)是另一有用的信息度量,它是指两个事件集合之间的相关性。两个事件 X {displaystyle X} 和 Y {displaystyle Y} 的互信息定义为:其意义为,若我们想知道 Y {displaystyle Y} 包含多少 X {displaystyle X} 的信息,在尚未得到 Y {displaystyle Y} 之前,我们的不确定性是 H ( X ) {displaystyle H(X)} ,得到Y后,不确定性是 H ( X | Y ) {displaystyle H(X|Y)} 。所以一旦得到 Y {displaystyle Y} 后,我们消除了 H ( X ) − H ( X | Y ) {displaystyle H(X)-H(X|Y)} 的不确定量,这就是Y对X的信息量。如果 X , Y {displaystyle X,Y} 互为独立,则 H ( X , Y ) = H ( X ) + H ( Y ) {displaystyle H(X,Y)=H(X)+H(Y)} ,于是 I ( X ; Y ) = 0 {displaystyle I(X;Y)=0} 。又因为 H ( X | Y ) ≤ H ( X ) {displaystyle H(X|Y)leq H(X)} ,所以互信息与G检验(英语:G-test)以及皮尔森卡方检验有着密切的联系。信息论被广泛应用在:

相关

  • 4s12,8,8,1蒸气压第一:418.8 kJ·mol−1 第二:3052 kJ·mol−1 第三:4420 kJ·mol−1 (主条目:钾的同位素钾(拉丁语:Kalium,化学符号:K)是原子序数为19的化学元素。最早于植物的灰烬
  • 消化不良消化不良(Dyspepsia或Indigestion)是一种临床症候群,是由胃动力障碍所引起的疾病,也包括胃蠕动不好的胃轻瘫和食道反流病,常见表现为上腹、胸部疼痛或肠胃不适,例如上腹痛、饱胀、
  • 特克斯和凯科斯群岛坐标:21°45′N 71°35′W / 21.750°N 71.583°W / 21.750; -71.583特克斯和凯科斯群岛(英语:Turks and Caicos Islands,/ˈtɜːrks/和/ˈkeɪkəs/ / /ˈkeɪkoʊs/ / /ˈke
  • 巴德-毕德氏症候群巴德-毕德氏症候群(英语:Bardet–Biedl syndrome)是一种遗传性疾病,患者出生后会有肥胖、多指、视网膜萎缩、性腺发育不全、肾脏畸形及学习困难等问题。但除视网膜外,大部分症状
  • 无名指环指通称无名指,是第四只手指,位于中指与小指之间,长度与示指相若。在中文中,因为其他四只手指都有其名字,但第四只手指则没有,所以便被称为无名指。一般人不认识环指这个名称。在
  • 原结原结是脊椎动物在囊胚于原肠形成所留下的,又可以称为汉森结/亨生结,因为由Victory Hensen所发现;而两生类则被称为史培曼/史佩曼组织,因为是由Han Spemman所发现(在1924年与Mangold
  • 三甲苯三甲苯是苯环上连接三个甲基而形成的烃类化合物,分子式为 C6H3(CH3)3 ,包括三个同分异构体:
  • 纽约上州纽约上州(英语:Upstate New York),美国口语中泛指纽约州除了纽约市及长岛地区以外的所有纽约州,并无官方或正式的行政界线;该区主要以家庭居住的市郊(Suburb)为主,间有几座城市(水牛城
  • 曼恩-卢瓦尔省曼恩-卢瓦尔省(省编号49,法语:Maine-et-Loire)地处法国中西部著名的卢瓦尔河流域,是前安茹所在地,历史上和英国有紧密联系。现省会昂热(Angers),约有20万人口。法国大革命前的历史参
  • 累进税率累进税率指的是“随着课税的所得额增加,而级距提高之税率”依据财政部赋税署的资料,所得净额54万以下,税率为5%,54万~121万,税率为12%,121万~242万,税率为20%,242万~453万,税率为30%,453