本文提出了可视化和推理过程的抽象模型，并描述了一种信息论度量来优化这些过程。我们提出了一种基于信息论的成本效益比度量，以优化数据可视化过程。

Jun, 2015

本研究旨在从信息理论的角度对虚拟环境系统（包括增强现实、混合现实、剧院系统和大型幕墙）进行成本效益分析，解释为什么一些可视化应用程序比其他应用程序更能从虚拟环境中受益，并勾勒未来虚拟环境中可视化应用程序发展的路径。

Feb, 2018

本文研究了信息分裂函数在统计学和信息理论中的作用，并提出了一种新的非参数 f 分裂测量方法，可以用于改进最小二分法分类错误的上限，并设计了特征选择算法以验证理论上的结果。

Dec, 2014

利用贝叶斯认知模型在数据可视化中理解用户对先前信念的影响，研究发现大型数据集下用户的判断与贝叶斯预测不一致，为此介绍了贝叶斯推理作为数据可视化评估的规范框架。

Jan, 2019

通过文献调研和实证研究，我们开发了一个包含信息论、几何和高阶测量的分类体系，并识别出它们之间的关系，并识别了三种新应用。我们发现，在 130 个域适应场景，3 个不同的 NLP 任务和从文献调查中确定的 12 个分歧措施之间进行的相关分析，具有当前上下文单词表示法的高阶措施是有效的。

Oct, 2020

本文回顾总结了 10 个重要的概率度量标准 / 距离，并研究它们之间的界限，特别关注于这些度量标准因为它们是众所周知、常用的，或者具有实际的边界技术。文章总结了这些度量标准之间的关系，并给出了例子以表明收敛速度可能依赖于度量标准的选择。

Sep, 2002

本文提出一种新的多元信息量度方法，利用 Venn 图表明任意数量随机变量的信息内容，其基于信息共享的代数结构，考虑观察者共享信息的不同方式与不同阶数的信息关系，得到一种自由分配格的元素。通过联合信息和共享信息量的代数结构，得到了偏向分解所表示的冗余格。

Sep, 2019

提出了四种估计器用于有限字母过程对之间的有向信息速率，基于通用概率分配。利用这些理论结果，使用上下文树加权算法作为通用概率分配实现了提出的估计器，并在合成和实际数据上进行了实验，证明了提出的方案的潜力及有向信息估计在检测和测量因果影响和延迟方面的实用性。

Jan, 2012

本文提出了一个基于信息论的新框架，旨在解决复杂系统中的信息推理问题，该框架基于 Shannon 信息理论的变分扩展，结合了建模能力和计算限制，提出了预测 V - 信息的概念，在模型表示学习和系统结构学习方面表现优于传统的相互信息的方法。

Feb, 2020

本文提出一种基于 Sherman 逻辑的不确定性泛化度量，将它应用到贝叶斯优化中来表征不确定性，从而解决了当前信息理论 BO 算法无法考虑后续过程的问题，并且提出一个以此为基础的灵活的获取函数家族。最后，作者还开发了一种基于梯度的方法来高效优化它们，成功地解决了各种顺序决策任务中的优化问题。

Oct, 2022