本文介绍了利用信息论框架扩展到多跳网络研究的方法，构建了一种新的确定性模型，通过此模型，对多层网络进行了最大吞吐量的线性优化问题的探讨，并研究了反馈（feedback）在多层网络中的作用。结果表明，适当反馈可以提高传输效率，为协同合作提供基本指导。

May, 2015

通过使用多模光纤，我们提出了一个信息理论框架来传输最大熵（数据）图像，并通过千米以内的距离最大化信息传输，通过不同的差分可微神经网络来检索图像，最终能够以最大化的信息页大小恢复出数字输入图像。

Jan, 2023

本研究提出一种信息论度量方法对时间演化系统间的统计相关性进行量化，通过迁移概率的适当条件化排除共同历史和输入信号对信息交换的影响，从而得到的传输熵可以区分驱动和响应元件，并检测子系统间的不对称性。

Jan, 2000

使用预测信息作为动态系统控制器参数的推动力以实现高维机器人系统的协同控制和收敛行为。

Jan, 2013

提出了一种针对高度物理约束的计算光学成像系统的知识蒸馏框架，通过引入高性能的无约束计算光学成像系统作为 “教师”，指导具有有限快照数的物理约束系统（“学生”）的优化，并使用二进制编码光阑单像素相机进行验证，在单色和多光谱图像重建上证明了该方法优于传统的端到端优化方式。

Jun, 2024

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

通过信息熵，我们提出了一种实用的方法来解压数据中的重要变化，以研究复杂系统。

Jul, 2023

提出了一个信息论框架，将原子尺度模拟、机器学习和统计力学结合起来，通过建立相图、识别稀有事件、对数据集进行优化、以及进行模型无关的不确定性量化，统一描述了原子尺度建模中的信息相关问题。

Apr, 2024

该论文提出了定制信息理论的要素，特别是针对视觉数据对控制和决策任务的。行动信息的概念被描述出来，它与 J. Gibson 提倡的信息概念以及与完整表示的最小充分统计量相关的 “完整信息” 概念相关联。该论文指出，通过对感知过程进行控制，可以缩小 “可操作信息差距”，因此感知、控制和信息是不可分割的。它在所谓的 “信号到符号障碍” 问题以及主动感知系统分析和设计方面具有后果。这对于基于视觉的控制、导航、三维重建和渲染，以及在实时视频中检测、定位、识别和分类对象和场景都有影响。

Oct, 2011

应用信息论、测度论和理论计算机科学的原理，我们介绍了一种具有广泛应用于编码理论的单变量信号去卷积方法，特别是在零知识单向通信渠道中，例如从未知生成源解码没有先验知识和无法发送返回消息的信息。我们的多维空间重建方法从任意接收到的信号中得出的结果不依赖于编码解码方案、计算模型、编程语言、形式理论、计算（或半计算）的算法复杂性近似方法以及任意选择的（计算）事件概率测度。该方法源于一种实现人工通用智能的原理，能够构建一个独立于任意先验概率分布的模型，用于解码非随机数据，可应用于信号处理、因果去卷积、拓扑和几何特性编码、密码学以及生物和技术签名检测。

May, 2024