'อินโฟแม็กซ์'หรือหลักการรักษาข้อมูลให้คงอยู่สูงสุดเป็นหลักการเพิ่มประสิทธิภาพสำหรับโครงข่ายประสาทเทียมและระบบประมวลผลข้อมูลอื่นๆ โดยกำหนดฟังก์ชันที่แมปชุดค่าอินพุต${\displaystyle x}$ไปยังชุดค่าเอาต์พุต${\displaystyle z(x)}$ควรเลือกหรือเรียนรู้เพื่อให้ได้ค่าเฉลี่ยของข้อมูลร่วมของแชนนอน ระหว่างกัน ให้สูงสุด${\displaystyle x}$และ${\displaystyle z(x)}$โดยขึ้นอยู่กับข้อจำกัดที่กำหนดไว้และ/หรือกระบวนการรบกวน อัลกอริทึมอินโฟแม็กซ์เป็นอัลกอริทึมการ เรียนรู้ ที่ดำเนินการกระบวนการเพิ่มประสิทธิภาพนี้ หลักการนี้ได้รับการอธิบายโดยลินสเกอร์ในปี 1988 ^{[ 1 ]}ฟังก์ชันวัตถุประสงค์เรียกว่าวัตถุประสงค์อินโฟแม็กซ์

เนื่องจากเป็นการยากที่จะคำนวณค่าเป้าหมายของ InfoMax ได้อย่างแม่นยำ แนวคิดที่เกี่ยวข้องจึงใช้โมเดลสองแบบที่ให้ผลลัพธ์สองค่า${\displaystyle z_{1}(x),z_{2}(x)}$และเพิ่มข้อมูลร่วมกันระหว่างสิ่งเหล่านี้ให้สูงสุด วัตถุประสงค์ InfoMax เชิงเปรียบเทียบนี้เป็นขอบเขตล่างของวัตถุประสงค์ InfoMax ^{[ 2 ]}

Infomax ในขีดจำกัดของสัญญาณรบกวนเป็นศูนย์นั้นเกี่ยวข้องกับหลักการลดความซ้ำซ้อนที่เสนอสำหรับการประมวลผลทางประสาทสัมผัสทางชีวภาพโดยHorace Barlowในปี พ.ศ. 2504 ^{[ 3 ]}และนำไปใช้ในเชิงปริมาณกับการประมวลผลเรตินาโดย Atick และ Redlich ^{[ 4 ]}

(Becker and Hinton, 1992) ^{[ 2 ]}แสดงให้เห็นว่าวัตถุประสงค์ InfoMax เชิงเปรียบเทียบช่วยให้เครือข่ายประสาทสามารถเรียนรู้ที่จะระบุพื้นผิวในสเตอริโอแกรมจุดสุ่ม (ในมิติเดียว)

หนึ่งในการประยุกต์ใช้อินโฟแม็กซ์คือ อัลก อริธึมการวิเคราะห์ส่วนประกอบ อิสระ ที่ค้นหาสัญญาณอิสระโดยการเพิ่มเอนโทรปี ให้สูงสุด อินโฟแม็กซ์-based ICA ได้รับการอธิบายโดย (Bell and Sejnowski , 1995) ^{[ 5 ]}และ (Nadal and Parga, 1995) ^{[ 6 ]}

• ฟาสติก้า