信息论

✍ dations ◷ 2025-04-03 10:02:20 #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

  • 副溶血弧菌肠炎弧菌(学名:Vibrio parahaemolyticus),又称为副溶血弧菌,属于弧菌属,是一种常见的病原菌。肠炎弧菌是一种嗜盐性的革兰氏阴性菌,主要的栖息地在海水中。如果食用了遭此菌污染的
  • 选择性5-羟色胺再摄取抑制剂选择性5-羟色胺再摄取抑制剂(英语:Selective Serotonin Reuptake Inhibitors)(SSRIs),也称选择性血清素再摄取抑制剂,是一类常用的抗抑郁药,自20世纪80年代后期开始用来治疗抑郁症
  • 汉诺威汉诺威(德语:Hannover)位于莱讷河畔,德国下萨克森州的首府,位于北德平原和中德山地的相交处,既处于德国南北和东西铁路干线的交叉口,又濒临中德运河,是个水陆辐辏的交通枢纽。汉诺威
  • 希梅拉希梅拉 (古希腊文:Ἱμέρα)为西西里岛北岸的的一个古希腊殖民地城市,曾经具有重要意义,其遗址位于泰尔米尼伊梅雷塞。希梅拉是西西里岛北岸地区第一个建立起来的古希腊城镇,也
  • 豆制品豆制品,一类食品的统称。广义上指的是以大豆、小豆、豌豆、绿豆等豆类为主要原料加工而成的食品。狭义上指的是主要以大豆的豆浆凝固而成的豆腐及其衍生制品。豆制品通常不包
  • 周武王周武王(?-?),姬姓,名发,谥武,曰名为珷帝日丁,西周第一代天子,西周时代青铜器铭文称其为珷。是西伯昌与太姒的嫡次子,其正妻为邑姜,西周的创建者。夏商周断代工程断代其在位时间为前1046年
  • 索非亚索非亚(保加利亚语:София,转写:Sofiya, IPA: .mw-parser-output .IPA{font-family:"Charis SIL","Doulos SIL","Linux Libertine","Segoe UI","Lucida Sans Unicode","Code
  • 岩石循环岩石循环是指不同岩石互相转化的过程。循环的开端是岩浆,经冷却和结晶成为火成岩。岩石经风化、侵蚀分解,再由搬运、分选、沉积成沉积物。后者再岩化成沉积岩。岩石可经压力、
  • RTECS化学物质毒性数据库(RTECS,Registry of Toxic Effects of Chemical Substances)是一个记录化学物质毒性资料的数据库。它的资料均来源于公开的科学文献,不过并没有指出那些研究
  • FAT TOMFAT TOM 一种缩写,用于在餐饮服务行业来形容食源性致病菌的生长所需的六个有利条件,为食物、酸性、温度、时间、氧气和水分的英文首字母缩略字。每个英文字代表一个条件,共有六