arxiv：2308.04499v2 [Quant-PH] 2023年11月22日__

arxiv：2308.04499v2 [Quant-PH] 2023年11月22日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2308.04499v2 [Quant-PH] 2023年11月22日

¥ 1.0

热度

部分信息分解（PID）是一种方法，用于删除在其关节概率分布中编码的多PLE随机变量之间的关系。该方法是在参考文献中构想的。[1]以及在最简单的三个变量[2]定义协同信息，独特信息和冗余信息的最简单情况下。参考文献中给出了一个重要的动机，即希望超越香农的信息理论。[3]。出现了两个不同的概率分布p 1和p 2在三个具有不同基本机制的变量上，呈现出来，这些变量被列出了，这些变量在香农理论中所定义的任何标准量都无法区分。特定于三个变量的任何组合之间的共同信息不能将p 1与p 2区分开。因此，共同信息数量的线性共存，例如共同信息[4]（在Quanth上下文中已知为否定为三信息）也无法区分p 1和p 2。PID确实区分了这些：所有新引入的数量（均为，独特和共享的信息）是P 1和P 2的内容。（有关详细信息，请参见第二节。）使用其在不同概率机制之间进行区分的能力，PID已应用于描述和理解复杂网络[5，6]，尤其是[7-10]。有关其用途的概述，请参见[11]。存在PID的几种不同建议。在开创性参考之前的神经科学中存在一些不同类型的信息之间的区别在于神经科学[21-23]的想法。[1]。由于香农的所有古典概念都被赋予了量子设置，而且由于这种概括已被证明非常富有成果[24-27]，因此也应该有一个量子版本的PID，QPID。我们在第三节中删除了我们的版本。正如我们将在第四节中显示的那样，可以量化经典的激励示例分布p 1和p 2，以便标准量子误解信息数量（包括三个信息）不能区分两个相应的纯状态| ψ1

添加pdf代下载 VIP点击下载文件