局部组合复杂性:如何检测人类可读的消息
1School of Informatics, Edinburgh University, Edinburgh EH8 9YL, UK.
Entropy (Basel, Switzerland)
|April 26, 2025
概括
本研究介绍了数据复杂性的可计算定义,重点关注其通信潜力. 新方法量化结构化数据,在各个领域区分有意义的信号和噪音.
科学领域:
- 信息理论 信息理论
- 数据科学数据科学数据科学
- 统计力学 统计力学
背景情况:
- 数据复杂性在自然科学中缺乏严格的,可计算的定义.
- 现有的措施不能完全捕捉与数据的沟通潜力相关的复杂性.
- 高复杂性与结构化数据 (例如语言,图像) 相关,低复杂性与统一或随机数据相关.
研究的目的:
- 根据其最简短的描述,开发一个测量数据复杂性的一般框架.
- 要将复杂性定义为数据最简短描述的结构化部分的大小.
- 通过使用局部组合性来导出人类通信的可计算定义.
主要方法:
- 将最短的数据描述分解为结构化和非结构化组件.
- 该框架应用于统计力学,用于表征物理系统.
- 以局部组成性为基础的以通信为导向的复杂度指标的推导.
主要成果:
- 提出了量化数据复杂性的一般框架.
- 该方法成功地将有意义的信号从听觉,视觉和文本数据中的噪音中区分开来.
- 在复杂数据中识别信息的潜在应用,包括潜在的外星信号.
结论:
- 拟议的框架提供了一种可计算的数据复杂性测量方法,特别是在沟通性数据方面.
- 局部构成性作为一个强大的结构元素来定义面向通信的复杂性.
- 这种方法在信号处理,数据分析和寻找外星智慧方面具有广泛的适用性.
