西尔维·吉亚苏;亚伯·谢尼策 最大熵原理。 （英语） Zbl 0563.94008号 数学。智力。 第7期，第1期，42-48页（1985年）. 作者指出，“最大熵原理”可以看作是一个变分原理，它在统计力学、决策理论、模式识别和时间序列分析中都有应用。他们解释这一原理如下：从所有概率分布的集合（例如，系统的可能微观状态）与一个或多个随机变量的一个或几个平均值兼容（例如，宏观能量，即与每个微观状态相关的随机变量能量的平均值），选择最大化香农熵的能量。特别是，在给定均值的离散随机变量的情况下，给出了最大熵原理与Gibbs（正则）分布和Laplace的不充分理由原理的联系。审核人：W.桑德 引用于2评论引用于17文件 MSC公司： 94甲17 信息的度量，熵 62B10型 信息理论主题的统计方面 49J99型 变分法中的存在性理论与最优控制 关键词：典型分布;最大熵原理;变分原理;香农熵;拉普拉斯的理由不足原则 PDF格式BibTeX公司 XML格式引用 \textit{S.Guiasu}和\textit{A.Shenitzer}，数学。智力。7，编号1，42-48（1985；Zbl 0563.94008） 全文： 内政部 参考文献： [1] Boltzmann，L.，Vorlesungenüber Gastotherie（1896），莱比锡：J.A.Barth，莱比西 [2] Born，M.，原子物理学。（第8版）（1969年），伦敦-格拉斯哥：Blakie&Son有限公司，伦敦-格拉斯哥 [3] 坎贝尔，L.L.，高斯原理的等价性和概率的最小判别信息估计，《数学年鉴》。统计人员。，41, 1011-1015 (1970) ·Zbl 0198.23501号 ·doi:10.1214/aoms/1177696977 [4] Gibbs，J.W.，《统计力学的基本原理，特别参考热力学的理性基础》（1902年），康涅狄格州纽黑文：耶鲁大学出版社·doi:10.5962/bhl.title.32624 [5] Guiašu，S.，《信息理论与应用》（1977年），纽约-隆登·杜塞尔多夫：麦格劳-希尔，纽约-隆登·杜塞尔多夫·Zbl 0379.94027号 [6] 圭亚那州立大学。；Ky，T.Nguyen，关于模式识别的熵算法的平均长度，《组合数学、信息与系统科学杂志》，7203-211（1982）·Zbl 0549.68086号 [7] 圭亚那州立大学。；勒布朗，R。；Reischer，C.，《最小相互依赖原则》，《信息与优化科学杂志》，3149-172（1982）·Zbl 0497.60016号 ·网址：10.1080/02522667.1982.10698726 [8] Jaynes，E.T.，信息理论和统计力学，物理学。修订版，106，620-630（1957）·Zbl 0084.43701号 ·doi:10.1103/PhysRev.106.620 [9] Khinchin，A.I.，《信息理论的数学基础》（1957），纽约：多佛出版社，纽约·兹伯利0088.10404 [10] Kullback，S.，《信息理论与统计》（1959年），纽约：Wiley出版社。伦敦：查普曼和霍尔，纽约：威利。伦敦·Zbl 0088.10406号 [11] Parzen，E.，自回归谱密度的最大熵解释，统计学与概率字母，1,7-11（1982）·Zbl 0502.62080号 [12] Shannon，C.E.，《沟通的数学理论》。贝尔系统，技术期刊，27379-423（1948）·Zbl 1154.94303号 [13] Watanabe，S.，《知道与猜测》（1969），纽约：威利出版社，纽约·Zbl 0206.20901号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。