[論文レビュー] Bayesian Methods for Multiple Change-Point Detection with Reduced Communication

Eyal Nitzan, Topi Halme+1 more|arXiv (Cornell University)|Mar 24, 2020

Advanced Statistical Process Monitoring参考文献 52被引用数 15

ひとこと要約

本稿では、通信制約がある大規模センサネットワーク向けに、通信制約下でも検出遅延を最小限に抑えつつ、誤発見率（FDR）を所定のしきい値以下に制御する2つのベイジアン逐次変化点検出手順、S-MAPおよびIS-MAPを提案する。主な貢献は、両手順がFDR制御を保証するとともに、センサ数に依存しないスケーラブルな平均検出遅延（ADD）を達成することの解析的証明である。

ABSTRACT

In many modern applications, large-scale sensor networks are used to perform statistical inference tasks. In this paper, we propose Bayesian methods for multiple change-point detection using a sensor network in which a fusion center (FC) can receive a data stream from each sensor. Due to communication limitations, the FC monitors only a subset of the sensors at each time slot. Since the number of change points can be high, we adopt the false discovery rate (FDR) criterion for controlling the rate of false alarms, while minimizing the average detection delay (ADD). We propose two Bayesian detection procedures that handle the communication limitations by monitoring the subset of the sensors with the highest posterior probabilities of change points having occurred. This monitoring policy aims to minimize the delay between the occurrence of each change point and its declaration using the corresponding posterior probabilities. One of the proposed procedures is more conservative than the second one in terms of having lower FDR at the expense of higher ADD. It is analytically shown that both procedures control the FDR under a specified tolerated level and are also scalable in the sense that they attain an ADD that does not increase asymptotically with the number of sensors. In addition, it is demonstrated that the proposed detection procedures are useful for trading off between reduced ADD and reduced average number of observations drawn until discovery. Numerical simulations are conducted for validating the analytical results and for demonstrating the properties of the proposed procedures.

研究の動機と目的

• 各時刻に監視可能なセンサ数が通信帯域制限によって制限される大規模センサネットワークにおける複数の変化点検出の課題に対処すること。
• 通信制約下でも平均検出遅延（ADD）を最小限に抑えつつ、誤発見率（FDR）を厳密に制御するベイジアン検出手順を開発すること。
• 提案手法のADDがセンサ数に伴って漸近的に増加しないことを証明することで、スケーラビリティを確保すること。
• 各時刻に監視されるセンサのサブセットに制限された状況下で、検出遅延の短縮と、検出までの平均観測数（ANO）の最小化の間のトレードオフを調査すること。

提案手法

• S-MAP手順は、各時刻において、変化点の後方確率が最も高いセンサのサブセットを選択し、変化点の信念をベイズ更新することで処理を行う。
• IS-MAP手順はS-MAPを改善し、より低い検出しきい値を用いることで、ADDを短縮するが、FDRはわずかに上昇するが、依然としてFDR制御を維持する。
• 両手法とも逐次的な後方確率更新を用い、変化点発生の後方確率をしきい値で判定する停止ルールを適用する。
• FDR制御は、全期待値の法則を用い、条件付き確率による誤発見の期待割合の上限を導出し、解析的に証明する。
• 幾何分布を変化点に用いた下位および上位のADDの漸近的解析を行い、センサ数に依存しない下限および上限を導出する。
• 理論的結果の妥当性を検証するため、シミュレーションを実施し、ADDとANO（平均観測数）のトレードオフを探索する。

実験結果

リサーチクエスチョン

• RQ1 通信制限がある大規模センサネットワークにおいて、変化点検出をスケーラブルに実現できるか。具体的には、センサ数の増加に伴い検出遅延が増加しないか。
• RQ2 通信制約下において、逐次ベイジアン多重変化点検出フレームワークで、誤発見率（FDR）を解析的に制御できるか。
• RQ3 各時刻に監視されるセンサのサブセットに制限された状況下で、平均検出遅延（ADD）の最小化と平均観測数（ANO）の最小化の間のトレードオフはどのように変化するか。
• RQ4 より能動的な検出手順（IS-MAP）は、保守的な手順（S-MAP）よりも低いADDを達成できるか。また、FDR制御は維持できるか。

主な発見

• S-MAPおよびIS-MAP手順は、所定の許容レベルαの下で、通信制約下でもFDRを解析的に制御する。
• 両手順の漸近的平均検出遅延（ADD）は有界であり、センサ数に伴って増加しないことが示され、スケーラビリティが裏付けられた。
• IS-MAP手順はより低い検出しきい値を用いることで、S-MAPよりも低いADDを達成し、漸近的ADDの改善が定量的に特定された。
• シミュレーションにより、わずかな割合のセンサ（例：q = 0.3）の観測でも、平均観測数（ANO）が著しく減少し、同時に低遅延を維持できることを確認した。
• ADDとANOの最適なトレードオフは、q ≪ 1の小さな観測割合で達成され、q = 1の全観測よりも優れていることが示され、選択的監視の利点が裏付けられた。
• 理論的解析により、IS-MAPのADD上限がS-MAPよりもタイトであることが示され、両者ともセンサインデックスkに依存しないことが確認され、全ストリームにわたる一様な性能が保証された。