信息论-信息熵-噪声作用输入矩阵产生的熵=平均信息量

Posted china520

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了信息论-信息熵-噪声作用输入矩阵产生的熵=平均信息量相关的知识,希望对你有一定的参考价值。

技术图片

 

 

 

 

问题:技术图片


我们在讨论的时候,利用最前面的性质 ,技术图片是部分信息,技术图片

是信源熵,
可是没有关心技术图片 是怎么来的??

 

技术图片

是因为有噪声系统信道传递矩阵的除开对角线以外的元素才不等于0
要是没有噪声,就压根没有引进H(X|Y)的必要。 (信道传递矩阵定义参考p75面)

有一点值得特别提出,(书上p71面)对于无干扰信道的定义,
他这里格外强调,输出信号Y和输入信号X,是确定的,一一对应,

什么是 “一一对应”?
就是我不允许你一对多,我也不允许你多对一, 一定要是双射,既是单射,又是满射。

按照一一对应的法则,求出来的无噪声信道转移概率一定可以写成 diag{p1,p2,p3.。。。pn} 的形式。
我的输出Y的个数=输入X的个数=转移矩阵的秩=n 。

以上是无噪声的讨论,

现在我加入了噪声,势必引起,信道转移矩阵除开非对角线还存在元素不为0的情况。

 

 这也就是为什么要引入技术图片是我的噪声,引起了技术图片变化。,我用原来技术图片信源熵的转移矩阵产生的信息量减去,我噪声

 

技术图片

产生的信息量,得到的结果就是我输出真实的信息量

。之所以认为技术图片减去技术图片

,会把真实的信息减去,错误认为Y=f(x) 会一直不变。(对角线的元素已经变了。至少变了一个)
事实上,有噪声的时候。无噪声信道输入输出的对应法则 f 已经被噪声打破
综上:
利用 矩阵运算:
输入X *(用原来满秩的转移矩阵的减取噪声产生的矩阵) =平均互信息 ,
换句话说,我信息熵减去噪声作用在信息源的熵(损失熵) 就算我真正有用的信息传输率

 

以上是关于信息论-信息熵-噪声作用输入矩阵产生的熵=平均信息量的主要内容,如果未能解决你的问题,请参考以下文章

视频编解码·学习笔记7. 熵编码算法:基础知识 & 哈夫曼编码

我们可以在图像处理中使用哪些技术来减少图像的熵?

信息熵条件熵联合熵信息增益相对熵交叉熵

信息论基础概念

机器学习信息熵和热力学定律中的熵有关系吗?

两个视角给你解读 熵交叉熵KL散度