Nonparametric and Semiparametric Methods of Interval Estimation of System Integrated Information
Integrated information is a key measure of system complexity, commonly used to compute Phi, a measure of system complexity: the amount of information specified by the system, beyond its individual components. In many contexts, Phi is linked to the level of consciousness in a system. However, computing Phi is computationally intensive for large systems, as it requires evaluating information loss for each element in the set of possible partitions to identify the minimal element. This work proposes a statistical approach to estimate Phi using a random sample from the partition space, allowing for the scalable statistical inference of Phi. We introduce nonparametric and semiparametric methods to perform interval estimation for Phi under different assumptions about inter-outcome intervals (IOIs), including where IOIs are constant or follow a predefined distribution. Additionally, we explore estimation of the underlying IOI distribution parameters and compare the robustness of each method.
Méthodes non paramétriques et semi-paramétriques d'estimation par intervalles de l'information intégrée au système
L'information intégrée est une mesure clé de la complexité des systèmes, couramment utilisée pour calculer Phi, une mesure de la complexité des systèmes : la quantité d'information spécifiée par le système, au-delà de ses composants individuels. Dans de nombreux contextes, Phi est lié au niveau de conscience d'un système. Cependant, le calcul de Phi est très intensif pour les grands systèmes, car il nécessite d'évaluer la perte d'information pour chaque élément de l'ensemble des partitions possibles afin d'identifier l'élément minimal. Ce travail propose une approche statistique pour estimer Phi en utilisant un échantillon aléatoire de l'espace de partition, ce qui permet la mise
à l'échelle de l'inférence statistique sur Phi. Nous introduisons des méthodes non paramétriques et semi-paramétriques pour effectuer une estimation par intervalle de Phi sous différentes hypothèses concernant les intervalles interrésultats (IOI), y compris lorsque les IOI sont constantes ou suivent une distribution prédéfinie. De plus, nous explorons l'estimation des paramètres des distribution sous-jacentes des IOI et comparons la robustesse de chaque méthode.
à l'échelle de l'inférence statistique sur Phi. Nous introduisons des méthodes non paramétriques et semi-paramétriques pour effectuer une estimation par intervalle de Phi sous différentes hypothèses concernant les intervalles interrésultats (IOI), y compris lorsque les IOI sont constantes ou suivent une distribution prédéfinie. De plus, nous explorons l'estimation des paramètres des distribution sous-jacentes des IOI et comparons la robustesse de chaque méthode.
Session
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais