标题： 为何最大熵？ 一种非公理化方法 显示英文标题

标题： Why Maximum Entropy? A Non-axiomatic Approach

摘要： 形式为 y = X p 的不适定逆问题经常通过香农熵最大化（MaxEnt）方法求解，其中 y 是数据的 J 维向量，p 是无法直接测量的 m 维概率向量，而可观测变量矩阵 X 是已知的 J×m 矩阵，且 J < m。已经提出了几种公理化方法来在此背景下证明 MaxEnt 方法的有效性（同样如此）。本文的主要目的是两方面的：1）从几何角度看待 MaxEnt 和最大似然（ML）任务的互补性概念，进而 2）以直观且非公理化的方式回答“为什么要使用 MaxEnt？”这个问题。 显示英文摘要

摘要： Ill-posed inverse problems of the form y = X p where y is J-dimensional vector of a data, p is m-dimensional probability vector which cannot be measured directly and matrix X of observable variables is a known J,m matrix, J < m, are frequently solved by Shannon's entropy maximization (MaxEnt). Several axiomatizations were proposed to justify the MaxEnt method (also) in this context. The main aim of the presented work is two-fold: 1) to view the concept of complementarity of MaxEnt and Maximum Likelihood (ML) tasks from a geometric perspective, and consequently 2) to provide an intuitive and non-axiomatic answer to the 'Why MaxEnt?' question.