[論文レビュー] Functional Estimation of Manifold-Valued Diffusion Processes

Jacob McErlean, Hau Tieng Wu|arXiv (Cornell University)|Mar 21, 2026

Functional Brain Connectivity Studies被引用数 0

ひとこと要約

この論文は、単一軌道から接円曲面上のItô拡散のドリフトと拡散を回復するためのNadaraya-Watson型ノンパラメトリック推定子を提案し、接線空間ベースのドリフト推定と Harris 再出現性の下での漸近的保証を提供する。

ABSTRACT

Nonstationary high-dimensional time series are increasingly encountered in biomedical research as measurement technologies advance. Owing to the homeostatic nature of physiological systems, such datasets are often located on, or can be well approximated by, a low-dimensional manifold. Modeling such datasets by manifold-valued Itô diffusion processes has been shown to provide valuable insights and to guide the design of algorithms for clinical applications. In this paper, we propose Nadaraya-Watson type nonparametric estimators for the drift vector field and diffusion matrix of the process from one trajectory. Assuming a time-homogeneous stochastic differential equation on a smooth complete manifold without boundary, we show that as the sampling interval and kernel bandwidth vanish with increasing trajectory length, recurrence of the process yields asymptotic consistency and normality of the drift and diffusion estimators, as well as the associated occupation density. Analysis of the diffusion estimator further produces a tangent space estimator for dependent data, which has its own interest and is essential for drift estimation. Numerical experiments across a range of manifold configurations support the theoretical results.

研究の動機と目的

• 高次元の生体医用時系列データを低次元の多様体上の拡散ダイナミクスとしてモデリングする動機づけ。
• 観測データから多様体上のドリフトと拡散のカーネルベース推定子を開発。
• 曲率誘起のバイアスに対処し、接線空間ベースのドリフト推定を可能にする。
• Harris 再発現性と適切なサンプリングの下で漸近的一致性と正規性を確立。
• アルゴリズムの手順と理論結果をシミュレーションで検証。

提案手法

• ユークリッド空間に埋め込まれた滑らかで完備な多様体上の Itô/SDEを用いた多様体値拡散モデルを採用。
• 単一軌道から占有密度と観測可能なドリフトおよび拡散を推定するためにNadaraya-Watson型カーネル推定量を使用。
• 埋め込みに基づく距離様関数を導入してカーネル重み付けを定義し、拡散行列を推定。
• 推定拡散行列の固有構造から接線空間を推定し、ドリフトを接線空間へ射影。
• 曲率バイアスを補正するために、ユークリッド風の推定量を推定接線空間へ射影してドリフト推定量を計算。
• Harris 再発現性と一般化Nummelin分割フレームワークを活用して漸近結果と中心極限定理を導出。

実験結果

リサーチクエスチョン

• RQ1 多様体値拡散過程のドリフトと拡散を単一軌道からノンパラメトリックに推定するにはどうすればよいか。
• RQ2 多様体の曲率がドリフト推定に及ぼす影響は何か、接線空間射影はバイアスをどう緩和するか。
• RQ3 Harris 再発現性の下で、提案推定量の漸近的性質（一貫性と正規性）はどうなるか。
• RQ4 多様体上で信頼性の高い推定を確保するために、バンド幅とサンプリング率をどのように選択すべきか。

主な発見

• 曲率と周囲埋め込みを考慮した多様体適応型Nadaraya-Watson推定量を、ドリフト・拡散・占有密度に対して提案。
• 多様体環境での曲率誘起バイアスを補正するために接線空間ベースのドリフト推定量が必要。
• 拡散推定は曲率に対して頑健で、ドリフト回復のための実用的な接線空間を提供。
• 適切なバンド幅とサンプリング計画の下でHarris再発現性の下、推定量の漸近的一貫性と正規性を確立。
• 一般化比極限アプローチとDarling-DK法枠組みが漸近分析とガウス混合表現を裏付け。
• 多様体構成全体にわたる数値実験が理論的結果を裏付け。