[論文レビュー] Analysis of Democratic Voting Principles used in Distributed Greedy Algorithms

Dennis Sundman, Saikat Chatterjee+1 more|arXiv (Cornell University)|Jul 16, 2014

Sparse and Compressive Sensing Techniques参考文献 29被引用数 3

ひとこと要約

本稿は、圧縮センシングにおける分散グリーディーピュアーズアルゴリズムの民主的投票原理—過半数投票および一貫性投票—の確率的分析を提供する。局所的グリーディー・アルゴリズムの性能を1つのミス確率パラメータでモデル化することで、著者らは民主的投票が、一般的および混合サポート集合モデルにおいて、特に現実的な誤差条件下での検出信頼性の向上を示す理論的保証とともに、共同サポート集合推定の精度を向上させることを証明する。

ABSTRACT

A key aspect for any greedy pursuit algorithm used in compressed sensing is a good support-set detection method. For distributed compressed sensing, we consider a setup where many sensors measure sparse signals that are correlated via the existence of a signals' intersection support-set. This intersection support-set is called the joint support-set. Estimation of the joint support-set has a high impact on the performance of a distributed greedy pursuit algorithm. This estimation can be achieved by exchanging local support-set estimates followed by a (consensus) voting method. In this paper we endeavor for a probabilistic analysis of two democratic voting principle that we call majority and consensus voting. In our analysis, we first model the input/output relation of a greedy algorithm (executed locally in a sensor) by a single parameter known as probability of miss. Based on this model, we analyze the voting principles and prove that the democratic voting principle has a merit to detect the joint support-set.

研究の動機と目的

• 分散グリーディーピュアーズアルゴリズムにおける民主的投票原理—過半数投票および一貫性投票—の有効性を分析すること。
• 検出理論に基づき、検出確率の補数であるミス確率の1つのパラメータを用いて、局所的グリーディー・アルゴリズムの入出力動作をモデル化すること。
• 共通および混合サポート集合モデルの両方において、分散圧縮センシングにおける共同サポート集合推定の理論的性能保証を確立すること。
• 独立した誤差が存在する状況において、個々のセンサー推定と比較して民主的投票が検出信頼性をどのように向上させるかを検証すること。

提案手法

• 検出確率の補数であるミス確率（1 - 検出確率）を唯一のパラメータとして用い、局所的グリーディーピュアーズアルゴリズムの性能をモデル化する。
• 複数の局所的推定から共同サポート集合を推定するための、一貫性および過半数原理に基づく投票戦略を定式化する。
• 複数のセンサーにおける投票結果をもとに、サポート集合要素が正しく同定される条件付き確率の解析的表現を導出する。
• 組み合わせ確率および条件付き独立性の仮定を用いて、共通サポート集合および混合サポート集合信号相関モデルの両方へモデルを適用する。
• 多項式不等式解析を用いて、さまざまなミス確率において、投票結果の信頼性と個々のセンサー性能を比較する。
• 固定システムパラメータ（N=1000, T=20, J=15, I=5）を用いた数値評価により理論的結果を検証し、投票が個々の推定を上回る領域を確認する。

実験結果

リサーチクエスチョン

• RQ1 民主的投票—特に過半数投票および一貫性投票—は、個々のセンサー推定と比較して、分散グリーディーピュアーズアルゴリズムにおける共同サポート集合推定を改善するか？
• RQ2 一貫性投票は、真のサポート集合要素を正しく同定する確率において、どのような条件下で個々のセンサー検出を上回るか？
• RQ3 局所的グリーディー・アルゴリズムにおけるミス確率が、共同サポート集合推定における民主的投票の性能向上にどのように影響するか？
• RQ4 共通および混合サポート集合モデルの両方において、投票が検出信頼性の保証された向上をもたらすパラメータ範囲は何か？
• RQ5 1つのミス確率パラメータを用いて、分散圧縮センシングにおける民主的投票の解析的性能保証を導出可能か？

主な発見

• 民主的投票は、特に局所的ミス確率が中程度のとき、個々のセンサー推定と比較して真のサポート集合要素を正しく同定する確率を顕著に向上させる。
• 一貫性投票戦略においては、複数のセンサーが要素の包含を一致して特定する場合、正しく検出される確率が上昇し、解析的境界により、ε ∈ [0.0140, 0.98] の範囲で改善が示される。
• 解析により、3つのセンサーが一貫性を持つ条件下での正しく検出される条件付き確率が、1つのセンサーのそれより大きいことが証明された。すなわち、ε ∈ [0.0140, 0.98] において、P(i ∈ T_p | i ∈ (T̂_p ∩ T̂_q ∩ T̂_r)) ≥ P(i ∈ T_p | i ∈ T̂_p) が成り立つ。
• 3人中2人が合意する過半数投票では、ε ∈ [0.0069, 0.98] の区間で改善が保証され、高い局所誤差率下でも頑健性を示す。
• 本研究は、民主的投票原理が解析的に正当化されており、共通および混合サポート集合モデルの両方において、個々の検出を上回ることを確認した。
• N=1000, T=20, J=15, I=5 を用いた数値的検証により、ミス確率の関連範囲全域で投票が検出信頼性を一貫して向上させることを確認した。