[論文レビュー] Controlled Sensing for Sequential Multihypothesis Testing with Controlled Markovian Observations and Non-Uniform Control Cost

Sirin Nitinawarat, Venupogal V. Veeravalli|arXiv (Cornell University)|Oct 7, 2013

Distributed Sensor Networks and Detection Algorithms被引用数 7

ひとこと要約

本稿は、観測に記憶が存在し、制御コストが非一様であるような逐次的多仮説検定のための新規な制御付きマルコフ連鎖観測モデルを提案する。非漸近的最適な検定手法を導入し、各仮説下で推論的報酬を最大化する自己調整型因果的制御方策を採用することで、一般のコスト関数のもとで意思決定のリスクと制御コストの最適なトレードオフを達成する。

ABSTRACT

A new model for controlled sensing for multihypothesis testing is proposed and studied in the sequential setting. This new model, termed {\\em controlled Markovian observation} model, exhibits a more complicated memory structure in the controlled observations than existing models. In addition, instead of penalizing just the delay until the final decision time as in standard sequential hypothesis testing problems, a much more general cost structure is considered which entails accumulating the total control cost with respect to an arbitrary control cost function. An asymptotically optimal test is proposed for this new model and is shown to satisfy an {\\em optimality} condition formulated in terms of decision making risk. It is shown that the optimal causal control policy for the controlled sensing problem is self-tuning, in the sense of maximizing an inherent "inferential" reward simultaneously under every hypothesis, with the maximal value being the best possible corresponding to the case where the true hypothesis is known at the outset. Another test is also proposed to meet {\\em distinctly predefined} constraints on the various decision risks {\\em non-asymptotically,} while retaining asymptotic optimality.

研究の動機と目的

• 観測に記憶を組み込む制御付きマルコフ連鎖モデルを用いて、逐次的多仮説検定のための新たな制御センシングフレームワークを構築すること。
• 従来の制御センシング理論を拡張し、単純な遅延ペナルティを超えて非一様な制御コストを組み込むこと。
• 一般のコスト関数のもとで意思決定リスクと制御コストのバランスを取る非漸近的最適な検定を設計すること。
• 各仮説下で同時に推論的報酬を最大化する自己調整型因果的制御方策を特徴づけること。
• 非漸近的に所定のリスク制約を満たす一方で、非漸近的最適性を保つ検定を提供すること。

提案手法

• 観測分布が現在の状態と制御入力の両方に依存する制御付きマルコフ連鎖観測モデルを導入し、i.i.d. やマルコフ連鎖的独立性を超えた記憶を導入する。
• 各仮説下での尤度比（最大尤度と第二位尤度の差）に基づく停止ルールを提案し、リスク制約を満たすように閾値を調整する。
• すべての仮説において最小の推論的報酬を最大化する自己調整型制御方策を設計し、真の仮説が事前に分かっている場合の性能を模倣する。
• 動的計画法の枠組みを用いて最適方策を導出し、大偏差解析と対数モーメントの有界性を用いて非漸近的最適性を証明する。
• 期待制御コストと意思決定リスクをバインドするための擬似検定（単一閾値を用いる）を採用し、非漸近的最適性の分析を可能にする。
• 期待制御コスト/対数リスクの漸近的挙動を分析し、カルバック・ライブラー発散と制御コストを含む根本的下界への収束を示す。

実験結果

リサーチクエスチョン

• RQ1 制御付きマルコフ連鎖プロセスのような観測に記憶を持つモデルに対して、制御センシングをどのように拡張できるか。
• RQ2 制御コストが非一様である場合、意思決定リスクと制御コストの最適なトレードオフは何か。
• RQ3 すべての仮説下で同時に推論的報酬を最大化する自己調整型制御方策を設計できるか。
• RQ4 一般のコスト関数のもとで所定のリスク制約を満たしつつ、非漸近的最適性を達成できるか。
• RQ5 この新規モデルにおける期待制御コスト/対数リスクの根本的限界は何か。

主な発見

• 提案された検定は意思決定リスクにおいて非漸近的最適性を達成し、対数リスクあたりの期待制御コストが理論的最小値に収束する。
• 最適な因果的制御方策は自己調整型であり、すべての仮説下で推論的報酬を最大化し、真の仮説が事前に分かっている場合の最大値と一致する。
• 停止ルール (4.14) を用いた検定は非漸近的に異なるリスク制約を満たし、最大リスクが所定の閾値で抑えられている。
• 非漸近的最適性は、単一閾値を用いた擬似検定との比較により確立され、期待制御コストがリスク閾値の関数で有界であることが示された。
• 期待制御コストを負の対数リスクで割った極限が、カルバック・ライブラー発散と制御コストを含む量に収束し、根本的最適性が証明された。
• 解析により、制御コスト関数が任意でもよく、一般のコスト構造のもとでフレームワークが非漸近的最適性を保つことが確認された。