[論文レビュー] Empirical optimal transport on countable metric spaces: Distributional limits and statistical applications

Carla Tameling, Max Sommerfeld+1 more|arXiv (Cornell University)|Jul 4, 2017

Machine Learning and Algorithms被引用数 5

ひとこと要約

本稿では、感度解析と非線形微分のデルタ法を用いて、可算な距離空間上での経験的最適輸送距離の分布的極限を確立する。経験的ウォッサーシュタイン距離の弱収束の必要十分条件を提示し、超距離空間では明示的な極限分布を導出することで、ドリフト補正の妥当性を検証するナノスケール顕微鏡データを含む高次元設定における統計的推論を可能にする。

ABSTRACT

We derive distributional limits for empirical transport distances between probability measures supported on countable sets. Our approach is based on sensitivity analysis of optimal values of infinite dimensional mathematical programs and a delta method for non-linear derivatives. A careful calibration of the norm on the space of probability measures is needed in order to combine differentiability and weak convergence of the underlying empirical process. Based on this we provide a sufficient and necessary condition for the underlying distribution on the countable metric space for such a distributional limit to hold. We give an explicit form of the limiting distribution for ultra-metric spaces. Finally, we apply our findings to optimal transport based inference in large scale problems. An application to nanoscale microscopy is given.

研究の動機と目的

• 可算距離空間上での経験的ウォッサーシュタイン距離の分布的極限を確立し、単変量設定を超えて拡張すること。
• 高次元および大規模な問題における経験的最適輸送を用いた統計的推論のフレームワークを構築すること。
• 時間分解能の高い画像におけるドリフト補正の評価を含め、ナノスケール顕微鏡データへの応用を通じて手法を検証すること。
• 微小な空間的シフトを検出するためのしきい値付きウォッサーシュタイン距離の理論的基盤を提供すること。
• 確率測度のノルムを調整して、微分可能性と経験過程の弱収束を保証すること。

提案手法

• 無限次元の数学的計画問題の感度解析を用いて、経験測度下での最適値の摂動を検討する。
• 非線形微分のデルタ法を適用し、経験的輸送距離の漸近的分布を導出する。
• 経験過程の微分可能性と弱収束の両立を図るため、確率測度空間上のノルムを調整する。
• 可算距離空間上の元の分布に基づいて、分布的極限の存在の必要十分条件を導出する。
• 木構造近似を用いて、超距離空間における極限分布の明示的表現を導出する。
• 極限分布の確率的上界を用いて、経験データにおける空間的シフトの検出のための仮説検定を構築する。

実験結果

リサーチクエスチョン

• RQ1 可算距離空間上での経験的ウォッサーシュタイン距離が分布収束する条件は何か？
• RQ2 非i.i.d.かつ高次元設定下での経験的最適輸送距離の極限分布は、どのように特徴付けられるか？
• RQ3 ノルムの調整が経験過程の微分可能性と弱収束を保証する役割を果たすメカニズムは何か？
• RQ4 しきい値付きウォッサーシュタイン距離を用いて、大規模な画像データにおける微小な空間的シフトをどのように検出できるか？
• RQ5 極限分布を用いて、時間分解能の高い顕微鏡法におけるドリフト補正手法の妥当性をどの程度まで検証できるか？

主な発見

• 本稿では、可算距離空間上での経験的ウォッサーシュタイン距離の分布的極限の存在について、必要十分条件を確立した。
• 超距離空間では、木構造近似を用いて極限分布を明示的に特徴付け、実用的な推論を可能にした。
• 本手法により、ナノスケール顕微鏡におけるドリフト検出を含む大規模画像データにおける空間的差の統計的検定が可能になった。
• 顕微鏡忢用では、ドリフト補正前のしきい値 t > 4/256 に対して有意差（p ≤ 0.05）が検出されたが、補正後は t < 14/256 では消失した。
• 補正後でも大きなしきい値（t ≥ 14/256）に対して有意性が残っていることから、グローバルドリフトモデルでは説明できない局所的運動や光劣化効果が残っている可能性が示唆された。
• 本手法は、小さなスケールでの空間的シフトが除去されることを示すことで、顕微鏡におけるドリフト補正の有効性を成功裏に検証した。