Abstract
要約
最大エントロピー法を使用して確率論的数論の定理を導出。
Kolmogorovの複雑性理論とアルゴリズム的ランダム性から既知の結果を再考。
現在の機械学習技術ではErd˝os–Kac則が発見されない可能性が高いことを主張。
Kolmogorov's Invariance Theorem
Uがユニバーサルチューリングマシンである場合、xのKolmogorov ComplexityはUによって生成された最小説明長で定義される。
Levin’s Universal Distribution
アルゴリズム的確率は、Uによってxが生成される確率として定義される。
Maximum Entropy via Occam’s razor
離散ランダム変数Xについて、ShannonエントロピーはXの期待コルモゴロフ複雑性に等しい。
Algorithmic Randomness
xがアルゴリズム的ランダムである場合、そのコルモゴロフ複雑性はN−c以上である。
Maximum Entropy Methods for Probabilistic Number Theory
数論の古典的定理への情報理論的アプローチを提供する。