[論文レビュー] Circulant Tensors with Applications to Spectral Hypergraph Theory and Stochastic Process

Zhongming Chen, Liqun Qi|arXiv (Cornell University)|Dec 10, 2013

Tensor decomposition and applications参考文献 14被引用数 16

ひとこと要約

本稿は巡回テンソルのスペクトル的性質を確立し、非負の巡回テンソルの最大H固有値を明示的に特定できることを示し、偶数次巡回B₀テンソルが正定値半定値であることを証明する。これらの結果は、巡回ハイパーグラフおよび有向巡回ハイパーグラフにおける構造的性質を裏付け、m次定常確率過程へと拡張され、mが偶数のとき、そのm次モーメント（巡回テンソルとして表現可能）が正定値半定値であることが示される。

ABSTRACT

Circulant tensors naturally arise from stochastic process and spectral hypergraph theory. The joint moments of stochastic processes are symmetric circulant tensors. The adjacency, Laplacian and signless Laplacian tensors of circulant hypergraphs are also symmetric circulant tensors. The adjacency, Laplacian and signless Laplacian tensors of directed circulant hypergraphs are circulant tensors, but they are not symmetric in general. In this paper, we study spectral properties of circulant tensors and their applications in spectral hypergraph theory and stochastic process. We show that in certain cases, the largest H-eigenvalue of a circulant tensor can be explicitly identified. In particular, the largest H-eigenvalue of a nonnegative circulant tensor can be explicitly identified. This confirms the results in circulant hypergraphs and directed circulant hypergraphs. We prove that an even order circulant B$_0$ tensor is always positive semi-definite. This shows that the Laplacian tensor and the signless Laplacian tensor of a directed circulant even-uniform hypergraph are positive semi-definite. If a stochastic process is $m$th order stationary, where $m$ is even, then its $m$th order moment, which is a circulant tensor, must be positive semi-definite. In this paper, we give various conditions for a circulant tensor to be positive semi-definite.

研究の動機と目的

• 確率過程およびスペクトルハイパーグラフ理論に現れる巡回テンソルのスペクトル的性質を調査すること。
• 偶数次巡回テンソルが正定値半定値であるための条件を確立すること。
• 非負の巡回テンソルの最大H固有値が明示的に特定可能であることを確認すること。
• 偶数次巡回B₀テンソルが正定値半定値であることを証明し、有向巡回ハイパーグラフのラプラシアンおよび絶対値ラプラシアンテンソルへの拡張を示すこと。
• m次定常確率過程においてmが偶数のとき、そのm次モーメントテンソルが正定値半定値であることを示すこと。

提案手法

• インデックスの巡回的シフトに対する不変性を用いて巡回テンソルを定義し、巡回行列を高次テンソルに一般化する。
• 任意の巡回テンソルをその最初のスライスから生成するためのルートテンソルおよび関連テンソルを導入する。
• 離散フーリエ変換（DFT）フレームワークを用いて、巡回テンソルの明示的固有値および固有ベクトルを導出する。
• 単位ノルム制約下でのテンソル多重線形形式の最小化を制約付き最適化問題として定式化する。
• 交替方向乗数法（ADMM）を用いてテンソル最適化問題を解き、特定の条件下で収束を保証する。
• 単位球面制約に対して閉形式の部分問題解を実装し、効率的な数値計算を可能にするADMMを実装する。

実験結果

リサーチクエスチョン

• RQ1 非負の巡回テンソルの最大H固有値は明示的に特定可能か？
• RQ2 偶数次巡回テンソルが正定値半定値であるための条件は何か？
• RQ3 有向巡回ハイパーグラフのラプラシアンおよび絶対値ラプラシアンテンソルは正定値半定値か？
• RQ4 m次定常確率過程においてmが偶数のとき、そのm次モーメントテンソルは正定値半定値か？
• RQ5 テンソル多重線形形式の単位球面上での最適化は、ADMMを用いて効率的に解けるか？

主な発見

• 非負の巡回テンソルの最大H固有値は明示的に計算可能であり、巡回ハイパーグラフにおけるスペクトル的性質を裏付ける。
• すべての偶数次巡回B₀テンソルは正定値半定値であり、これは有向巡回偶数一様ハイパーグラフのラプラシアンおよび絶対値ラプラシアンテンソルが正定値半定値であることを示唆する。
• 任意のm次定常確率過程においてmが偶数のとき、そのm次モーメントテンソル（巡回テンソルとして表現可能）は正定値半定値である。
• テスト例（n=3,4）において、ADMMアルゴリズムは100回の試行すべてでグローバル最小値に収束し、真の解との誤差が10⁻⁵未満の精度を達成した。
• 数値結果から、ADMM法は効率的であり、サイズ3の4次テンソルでは平均62.73回、サイズ4の4次テンソルでは平均92.49回の反復で収束することが示された。
• アルゴリズムは小規模な問題に対して有効であるが、Nsolveがより大きなインスタンスを処理できないため、スケーラビリティに制限がある。