etreeasky的个人博客分享 http://blog.sciencenet.cn/u/etreeasky

博文

关于不完备性定理和不确定性原理的探讨(七)(3)

已有 3168 次阅读 2014-10-17 15:07 |系统分类:科研笔记

7.3  阿列夫2维度的偏线性相关性


  智慧有个要点,在于识别系统特征属性的结构和联系,从而判断事物间内在相关性。

  而所谓相关的“关系”,大概国人都耳熟能详。拉关系、搞帮派、扩人脉、充势力,人际关系网在我们生存之地是如此重要。有人甚至说,在我泱泱华夏,一个人人际关系网有多大,他的成功就会有多大。

  其实科学界对“关系”亦为重视,尤其是如何量化关系。

  量化事物间的相互关联度,有很多种方法,其中最直接最显而易见的是“线性相关性”




  如果一组数据点,能够排列到一条直线上,那么我们就说这些点关于x和y是线性相关的,如下图:


  一维线性相关性很容易辨别,比如一个苹果5元、两个苹果10元......十个苹果需要50元,幼儿园的小朋友也明白。

  数学表达为:Y=aX

  其中Y为价格、X为苹果个数、a为每个苹果的单价




  二维线性相关性稍微复杂些,比如你买了一篮子水果,包含苹果和梨子,其中一个苹果5元、一个梨子6元。那么这一篮子水果的价格就具有二维偏线性相关性

  Y=a1X1+a2X2

  其中Y为价格、X1为苹果个数、a1为每个苹果的单价、X2为梨子个数、a2为每个梨子的单价





  n维线性相关性类似,比如你买了一篮子水果,包含苹果、梨子、桃子、西瓜、荔枝......橘子等等,其中一个苹果5元、一个梨子6元、一个桃子3元......一个橘子9元等等。那么这一篮子水果的价格就具有n维线性相关性

  Y=a1X1+a2X2+a3X3+......+anXn

  其中Y为价格、X1为苹果个数、a1为每个苹果的单价、X2为梨子个数、a2为每个梨子的单价、X3为桃子个数、a3为每个桃子的单价........Xn为橘子个数、an为每个橘子的单价





  当然,n维线性可以西格玛连加扩充到无穷维【这是阿列夫0维度的线性相关性】








  还有一种相关性,做投资的人会经常用到。比如你买了一种股票,每年的收益率是171.8%(取这个值主要为了方便计算),你是个长期价值投资者所获红利不取而是再投资,这样利滚利,那么你的复利收益率曲线将会如下图:

  

  这实际也是一维线性相关性,如果我们做个变量变形,把Y轴以lnY代替,那么它的图形会成为大家更熟悉的样子:

  这是最简单的函数相关性。








  更深一步看,任意光滑(即可微分)曲线(函数),可以表达为∫f(x)dx

  记得有个老师说过,如果遇到超级难题,没有解题方向时,则不管三七二十一先微积分看看,说不定原本无关的函数,一经过微积分就线性相关了。

  这实际上可以看作一个个无限小的直线段(微分dx)的线性组合【这是阿列夫1维度的线性相关性】

  用狄拉克符合可能更直观些,投影分解图像如下:



  这是连续无穷维的向量空间。









   还有一种更为复杂的线性相关性,即“张量”。

   比如你买了一篮子水果,包含苹果、梨子、桃子、西瓜、荔枝......

   其中,苹果分为红苹果、绿苹果、半红半绿苹果......

   其中,红苹果又包含大苹果、小苹果......

   其中,大苹果中有些是新鲜苹果、有些是不新鲜苹果......

   其中,新鲜苹果又分为南方苹果、北方苹果、美国苹果、泰国苹果......

   其中,南方苹果又有甜苹果、酸苹果......

   这样的属性细分,是可以无限细分的

   ..............


   其中,梨子分为红梨子、绿梨子、半红半绿梨子......

   其中,红梨子又包含大梨子、小梨子......

   其中,大梨子中有些是新鲜梨子、有些是不新鲜梨子......

   其中,新鲜梨子又分为南方梨子、北方梨子、美国梨子、泰国梨子......

   其中,南方梨子又有甜梨子、酸梨子......

   这样的属性细分,是可以无限细分的

   ..............


  、、、、、、、、


   这样的种类细分,是可以无限细分的





   如果我们定义一个红色的大的新鲜的南方的甜的苹果5元......一个绿色的小的不新鲜的北方的酸的梨子2元、、、、、、。那么这一篮子水果的价格就具有“多重线性关系”

  如果我们把水果价格定义为“张量F”,水果的各个种类/属性的单价定义为“张量M”,每种种类/属性的数量定义为“张量A”。则各个子属性分量具有以下多重线性关系:





   初学张量的同学往往分不清张量空间和向量空间的区别。

   似乎,无穷维的向量空间完全可以表达高阶的张量空间。只要把张量的各个“子属性”等价映射到向量空间的“基矢量”,向量空间和张量空间不就等价了吗?

   何必脱裤子放屁多此一举,再引出个忒麻烦的张量呢?




   因为,请注意,根本区别在于:

   1、向量空间的对象只有一个特征方向(一阶特征属性),而高阶张量可以是n个特征属性复合乘积(n阶复合特征属性);

   2、向量空间特征属性仅限于阿列夫1维度,而高阶张量空间特征属性可以是阿列夫2维度




   比如,广义相对论中测地线方程的导出,就是利用偏微分的多重线性相关性。与微分相关性不同的是,无穷维偏微分多重线性相关性的表达式多达‘无穷大的无穷大次方’【这是阿列夫2维度的偏线性相关性】





   我们知道,以单一性质的同类定义的向量是一阶逻辑的,而具备多重线性属性的高阶张量对应于高阶逻辑。

   所以说,一阶逻辑的线性空间和代高阶逻辑的张量空间并不是一回事。高阶逻辑意义广大广阔广泛得多,后面会详述,这就是深度学习AI大放光彩的理论基础。










http://blog.sciencenet.cn/blog-1666470-836459.html

上一篇:关于不完备性定理和不确定性原理的探讨(七)(2)
下一篇:关于不完备性定理和不确定性原理的探讨(七)(4)

2 yangb919 hkcpvli

该博文允许注册用户评论 请点击登录 评论 (1 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-10-25 05:40

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部