Decoding Geometric Properties in Non-Random Data from First Information-Theoretic Principles

要約

情報理論、測度理論、および理論的コンピューター科学の原理に基づいて、特にゼロ知識一方向通信チャネルにおける、コード化理論への幅広い応用を備えた一変量信号のデコンボリューション手法を紹介します。
事前の知識がなく、返信メッセージも送信できない未知の発生源。
任意の受信信号からの私たちの多次元空間再構成方法は、符号化/復号化スキーム、計算モデル、プログラミング言語、形式理論、アルゴリズムの複雑さの近似の計算可能 (または半計算可能) 方法に対して不可知であることが証明されています。
およびイベントの任意に選択された (計算可能な) 確率尺度。
この方法は、任意に仮定された事前確率分布とは独立したモデルの汎用モデルを構築できる汎用人工知能へのアプローチの原理に由来しています。
非ランダムデータをデコードするこの最適かつ普遍的な方法は、信号処理、因果関係のデコンボリューション、位相的および幾何学的特性のエンコード、暗号化、バイオおよびテクノシグネチャの検出に応用できると我々は主張します。

要約(オリジナル)

Based on the principles of information theory, measure theory, and theoretical computer science, we introduce a univariate signal deconvolution method with a wide range of applications to coding theory, particularly in zero-knowledge one-way communication channels, such as in deciphering messages from unknown generating sources about which no prior knowledge is available and to which no return message can be sent. Our multidimensional space reconstruction method from an arbitrary received signal is proven to be agnostic vis-a-vis the encoding-decoding scheme, computation model, programming language, formal theory, the computable (or semi-computable) method of approximation to algorithmic complexity, and any arbitrarily chosen (computable) probability measure of the events. The method derives from the principles of an approach to Artificial General Intelligence capable of building a general-purpose model of models independent of any arbitrarily assumed prior probability distribution. We argue that this optimal and universal method of decoding non-random data has applications to signal processing, causal deconvolution, topological and geometric properties encoding, cryptography, and bio- and technosignature detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google