[論文レビュー] A note on the Karhunen-Loève expansions for infinite-dimensional Bayesian inverse problems

Jinglai Li|arXiv (Cornell University)|Dec 30, 2014

Markov Chains and Monte Carlo Methods参考文献 10被引用数 3

ひとこと要約

この論文は、無限次元のベイズ逆問題における切り捨てられたカラフネン-ローベ変換（K-L）展開の誤差バウンドを確立し、真の解とその有限次元K-L射影との間の近似誤差が、事前分布共分散作用素の無視された最大固有値の平方根によって上限付けられることを示している。解析はデータ不適合関数の局所リプシッツ連続性に依拠しており、真の解の知識を必要としない事前誤差推定を提供する。

ABSTRACT

In this note, we consider the truncated Karhunen-Loève expansion for approximating solutions to infinite dimensional inverse problems. We show that, under certain conditions, the bound of the error between a solution and its finite-dimensional approximation can be estimated without the knowledge of the solution.

研究の動機と目的

• 無限次元のベイズ逆問題の解を近似するための切り捨てられたカラフネン-ローベ変換の使用を厳密に正当化すること。
• 実装におけるK-L展開の有限次元近似に対する理論的根拠の欠如に取り組むこと。
• 真の解の知識を必要としない、真の解とその有限次元K-L近似との間の誤差バウンドを導出すること。
• 事前分布共分散作用素の固有値の観点から、K-L近似の収束速度を確立すること。

提案手法

• ガウス事前分布に関連するカマリーン＝マクレープス空間におけるオネーザー＝マクレープス汎関数の最小化としてベイズ逆問題を定式化する。
• 変数変換 $ u = Q^{1/2}x $ を適用して、無限次元最適化問題をヒルベルト空間 $ X $ 上の問題に変換し、K-L展開の使用を可能にする。
• 事前分布共分散作用素 $ Q $ の固有関数展開を用いて、最初の $ n $ 個の固有関数が張る有限次元部分空間への解の射影を行う。
• データ不適合関数 $ \tilde{\Phi}(u) $ の局所リプシッツ連続性を用いて誤差バウンドを確立し、$ x $-空間における誤差と尾部固有値 $ \lambda_n^* = \max_{k>n} \lambda_k $ を関連付ける。
• 鍵となる不等式 $ \|x - x_n\|_X \leq L \sqrt{\lambda_n^*} $ を導出し、$ L $ が $ \Phi $ の局所リプシッツ定数に依存することを示し、$ u = Q^{1/2}x $ を用いて元の解空間に変換する。
• 有限次元問題の最適性ギャップのバウンドを提供し、$ J(x_n') \leq \min J(x) + L^2 \lambda_n^* $ を示し、有限次元解が真の解に収束することを保証する。

実験結果

リサーチクエスチョン

• RQ1 真の解の知識を必要とせずに、無限次元のベイズ逆問題の真の解とその切り捨てられたK-L近似との間の誤差をバウンドすることは可能か？
• RQ2 K-L近似の収束速度は、事前分布共分散作用素の固有値にどのように依存するか？
• RQ3 K-L切断を用いて得られる有限次元解は、目的関数値の観点から真の解の良い近似であると言えるか？
• RQ4 K-L展開が無限次元逆問題における次元削減技法として厳密に正当化される条件は何か？

主な発見

• $ x $-空間における真の最小化子 $ x $ とその切り捨てられたK-L近似 $ x_n $ の間の誤差は、$ \|x - x_n\|_X \leq L \sqrt{\lambda_n^*} $ でバウンドされ、ここで $ \lambda_n^* = \max_{k>n} \lambda_k $ であり、$ L $ はデータ不適合関数の局所リプシッツ定数に依存する定数である。
• 元の解空間 $ u = Q^{1/2}x $ における対応する誤差は $ \|u - u_n\|_X < L \lambda_n^* $ を満たし、無視された最大固有値に線形に依存することが示される。
• 切り捨てられた問題の有限次元解 $ x_n' $ は $ J(x_n') \leq \min J(x) + L^2 \lambda_n^* $ を満たし、目的関数値が真の最小値に $ \lambda_n^* $ に比例する速度で収束することを示している。
• 誤差バウンドは、データ不適合関数 $ \Phi(u) $ が局所リプシッツ連続であるという仮定の下で導出されており、ガウスノイズを伴う典型的な逆問題ではこれが成り立つ。
• 真の解の知識を必要としない事前誤差推定が得られ、数値的実装における次元の適応的選択に有用である。
• 理論的枠組みにより、事前分布共分散作用素のスペクトル減衰の観点から近似誤差を定量化することで、実務におけるK-L展開の広範な使用が正当化される。