[論文レビュー] A Structure Theorem for Poorly Anticoncentrated Gaussian Chaoses and Applications to the Study of Polynomial Threshold Functions

Daniel M. Kane|arXiv (Cornell University)|Apr 2, 2012

Mathematical Dynamics and Fractals参考文献 4被引用数 15

ひとこと要約

本稿では、次数$d$の多項式に対して、正規化された多項式$q_1, \dots, q_m$の拡散的分解と低次多項式$h$の合成によって近似可能であることを示すことにより、新たな構造定理を導入する。ここで、$(q_1(X), \dots, q_m(X))$の連合分布は、小さなボックス内に過度に集中しない。この枠組みにより、従来の研究と比較して$\epsilon$依存性および$d$依存性が著しく改善された、多項式しきい値関数(Polynomial Threshold Functions)のための擬似乱数生成器、不変性原理、ノイズ感受性の境界が得られる。

ABSTRACT

We prove a structural result for degree-$d$ polynomials. In particular, we show that any degree-$d$ polynomial, $p$ can be approximated by another polynomial, $p_0$, which can be decomposed as some function of polynomials $q_1,...,q_m$ with $q_i$ normalized and $m=O_d(1)$, so that if $X$ is a Gaussian random variable, the probability distribution on $(q_1(X),...,q_m(X))$ does not have too much mass in any small box. Using this result, we prove improved versions of a number of results about polynomial threshold functions, including producing better pseudorandom generators, obtaining a better invariance principle, and proving improved bounds on noise sensitivity.

研究の動機と目的

• 次数$d$の多項式の構造的分解を構築し、従来の手法よりも効果的にその反集中性を捉えること。
• 多項式しきい値関数の反集中性境界における$\epsilon^{1/d}$依存性のボトルネックを克服すること。
• より強い不変性原理およびノイズ感受性境界を支持する多項式の新たな正則性概念を確立すること。
• より良いシード長および誤差境界を有する多項式しきい値関数のための擬似乱数生成器の構築を改善すること。
• 反集中性の小さな領域への集中を避ける構造的・拡散的分解を用いた、多項式しきい値関数の分析フレームワークを提供すること。

提案手法

• 多項式$p$を$p(x) = h(q_1(x), \dots, q_m(x))$の形に表現する拡散的分解を定義する。ここで$q_i$は正規化され、$m = O_d(1)$である。
• $(\epsilon, N)$-拡散的集合の概念を導入する：任意の辺の長さが$\epsilon$の$m$次元ボックス内での$(q_1(X), \dots, q_m(X))$の確率質量は、$\epsilon^m N$以下である。
• 任意の次数$d$の多項式が、$m = O_{d,m}(1)$を満たす$(\epsilon, N, m, \epsilon^{2d})$-正則分解を有することを証明する。ここで$N$は拡散的挙動を制御する。
• この分解を用いて、修正された不変性原理により、ガウス分布入力とベルヌーイ入力との間の変動を多項式しきい値関数で境界づける。
• 正則性補題と不変性原理を応用し、改善されたノイズ感受性境界と擬似乱数生成器の構築を導出する。
• $k$-独立および$2$-独立なハッシュ族を用いて、シード長$O_{c,d}(\log n \cdot \epsilon^{-11-c})$のPRGを構築し、誤差$\epsilon^{1-c}$の範囲で次数$d$のPTFを欺く。

実験結果

リサーチクエスチョン

• RQ1 次数$d$の多項式を、低次多項式とその連合分布が小さなボックスに集中しない正規化された多項式の集合の合成に分解することは可能か？
• RQ2 このような分解により、多項式しきい値関数の不変性原理およびノイズ感受性境界が改善可能か？
• RQ3 既存の構成より、より良いシード長および誤差依存性を有する多項式しきい値関数のための擬似乱数生成器を構築可能か？
• RQ4 多項式しきい値関数の反集中性境界における$\epsilon$依存性を、$d$に依存しない形で達成可能か？
• RQ5 分解のサイズを$d$および$N$に関して多項式的に有界化することで、応用における$d$依存性の改善が可能か？

主な発見

• 任意の次数$d$の多項式は、$m = O_{d,m}(1)$を満たす$(\epsilon, N, m, \epsilon^{2d})$-正則分解を有し、その分布の構造的解析が可能になる。
• 多項式しきい値関数の不変性原理は、誤差$O_{d,m}(N\tau^{1/5}\log(\tau^{-1})^{dm/2+1})$に改善され、ここで$\tau$は変数の影響を制御する。
• $d \geq 3$の場合、次数$d$のPTFのノイズ感受性境界が改善され、[4]の先行結果を上回る。
• シード長$O_{c,d}(\log n \cdot \epsilon^{-11-c})$の擬似乱数生成器が構築され、誤差$\epsilon^{1-c}$の範囲で次数$d$のPTFを欺く。
• このフレームワークにより、拡散的分解に特化した新たな正則性補題と不変性原理が得られ、古典的手法よりも強い定量的境界を実現する。
• 理論的考察から、拡散的分解は多項式しきい値関数にとどまらず、複雑性理論および学習理論の他の問題へも拡張可能である可能性が示唆される。