[論文レビュー] Embeddings of Riemannian Manifolds with Finite Eigenvector Fields of Connection Laplacian

Chen-Yun Lin, Hau‐Tieng Wu|arXiv (Cornell University)|Apr 19, 2016

Topological and Geometric Data Analysis参考文献 25被引用数 3

ひとこと要約

この論文は、接続ラプラシアンの固有ベクトル場を有限個だけ用いて、コンパクトなリーマン多様体を有限次元ユークリッド空間に埋め込むことができることを確立している。著者らはこれらの固有ベクトル場を用いて低歪みの局所座標系を構築し、埋め込み等長写像の歪みの上限を、多様体の $c^{2,\beta}$-正則幾何構造にのみ依存することを証明した。これは、大規模データ解析における次元削減の分野で重要な課題を解決する。

ABSTRACT

We study the problem asking if one can embed manifolds into finite dimensional Euclidean spaces by taking finite number of eigenvector fields of the connection Laplacian. This problem is essential for the dimension reduction problem in massive data analysis. Singer-Wu proposed the vector diffusion map which embeds manifolds into the Hilbert space $l^2$ using eigenvectors of connection Laplacian. In this paper, we provide a positive answer to the problem. Specifically, we use eigenvector fields to construct local coordinate charts with low distortion, and show that the distortion constants depend only on geometric properties of manifolds with metrics in the little Hölder space $c^{2,α}$. Next, we use the coordinate charts to embed the entire manifold into a finite dimensional Euclidean space. The proof of the results relies on solving the elliptic system and provide estimates for eigenvector fields and the heat kernel and their gradients. We also provide approximation results for eigenvector field under the $c^{2,α}$ perturbation.

研究の動機と目的

• 接続ラプラシアンの有限個の固有ベクトル場が、リーマン多様体を有限次元ユークリッド空間に埋め込むことができるかどうかという未解決問題を解消すること。
• 大規模データ解析における次元削減のための、標準的で幾何的に根拠のある埋め込み手法を提供すること。
• 埋め込みの歪みの上限を、多様体の内在的幾何的性質（little Hölder空間 $c^{2,\beta}$ における正則性）にのみ依存する形で確立すること。
• 理論的スペクトル手法と、ベクトル拡散マップ（VDM）のような実用的 manifold learning アルゴリズムとの間のギャップを埋めること。

提案手法

• 接続ラプラシアンの有限個の固有ベクトル場を用いて、多様体上に局所座標系を構築する。
• 楕円型系解析を用いて、固有ベクトル場およびその勾配の $c^{2,\beta}$-正則性推定を確立する。
• 接続ラプラシアンの熱核および勾配推定を導出し、埋め込みにおける歪みを制御する。
• 局所座標系を用いて、有限次元 $\mathbb{R}^N$ へのグローバル埋め込みを定義し、幾何的不変量によって歪みを制御する。
• メトリクスの $c^{2,\beta}$-位相における摂動を解析し、メトリクスの小さな変化に対して固有ベクトル場が安定していることを示す。
• スペクトル幾何の技術を応用し、接続ラプラシアンの固有構造と多様体の内在的幾何の関係を関連付ける。

実験結果

リサーチクエスチョン

• RQ1 コンパクトなリーマン多様体は、接続ラプラシアンの有限個の固有ベクトル場のみを用いて、有限次元ユークリッド空間に埋め込むことができるか？
• RQ2 このような有限埋め込みが低歪みであることを保証する幾何的条件は何か？
• RQ3 必要な固有ベクトル場の数は、多様体の正則性および曲率に対してどのようにスケーリングされるか？
• RQ4 埋め込みの歪みは、曲率や Hölder 正則性といった内在的幾何的量によって上限をもって表現できるか？
• RQ5 リーマン計量の $c^{2,\beta}$-摂動に対して、埋め込みは安定か？

主な発見

• 肯定的な回答が得られた：境界のない任意のコンパクトなリーマン多様体は、接続ラプラシアンの有限個の固有ベクトル場のみを用いて、有限次元に埋め込むことができる。
• 埋め込みの歪みは、計量の $c^{2,\beta}$-ノルムにのみ依存する定数によって上限が与えられ、グローバルトポロジー や次元には依存しない。
• 固有ベクトル場から構築された局所座標系は低歪みを達成し、その上限は楕円型推定と熱核解析から導出される。
• この手法により、必要な固有ベクトル場の数が有限であり、幾何的に制御可能であることが保証され、実用的な次元削減が可能になる。
• 固有ベクトル場は計量の $c^{2,\beta}$-摂動に対して安定しており、データ駆動型の設定でも頑健性を確保する。
• スペクトル埋め込みのアイデアをラプラシアン＝ベルトラミの作用素から接続ラプラシアンへ一般化し、ベクトル値データへの応用を可能にするフレームワークを拡張した。