计算机科学 > 机器学习
[提交于 2025年4月8日
]
标题: 具有记忆的信道的工作能力:感知-行动循环中的最大可提取功
标题: The Work Capacity of Channels with Memory: Maximum Extractable Work in Percept-Action Loops
摘要: 预测未来观测值在机器学习、生物学、经济学以及许多其他领域中起着核心作用。 它位于变分自由能原理等组织原则的核心,并且已经通过热力学第二定律证明——为了达到顺序信息处理的基本能量限制,这是必要的。 尽管预测范式的有用性毋庸置疑,但与环境相互作用的复杂自适应系统不仅仅是预测机器:它们有能力对其环境采取行动并引发变化。 在这项工作中,我们开发了一个框架来分析感知-行动回路中信息处理的热力学——这是一种代理-环境交互模型——使我们能够以平等的方式研究行动和感知的热力学影响。 为此,我们引入了功容量的概念——代理可以预期从环境中提取功的最大速率。 我们的结果揭示,在行为具有可观察后果的环境中,两种先前确立的工作高效代理的设计原则——最大化预测能力和遗忘过去行为——均不再是最优选择。 相反,出现了一种权衡:工作高效的代理必须平衡预测和遗忘,因为记住过去的行为可能会减少可用的自由能。 这突显了被动观察热力学的根本偏离,表明在主动学习系统中,预测和能量效率可能是对立的。
当前浏览上下文:
cs.LG
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.