[論文レビュー] Intrinsic Wasserstein Correlation Analysis

Hang Zhou, Zhenhua Lin+1 more|arXiv (Cornell University)|May 31, 2021

Advanced Neuroimaging Techniques and Applications参考文献 40被引用数 4

ひとこと要約

本稿では、Wasserstein空間の内在的幾何構造を用いて、分布値関数データのための新しい正規化相関分析フレームワークである内在的 Wasserstein 相関分析（IWCA）を提案する。非線形な Wasserstein 空間への一般化されたテンソルヒルバート空間理論の拡張を、リーマン多様体の対数写像と平行移動を用いて行い、FPCA と Tikhonov 正則化を用いた相関および重み関数の推定を可能にした。正則性条件下では、最小最大最適収束速度を達成する。

ABSTRACT

We develop a framework of canonical correlation analysis for distribution-valued functional data within the geometry of Wasserstein spaces. Specifically, we formulate an intrinsic concept of correlation between random distributions, propose estimation methods based on functional principal component analysis (FPCA) and Tikhonov regularization, respectively, for the correlation and its corresponding weight functions, and establish the minimax convergence rates of the estimators. The key idea is to extend the framework of tensor Hilbert spaces to distribution-valued functional data to overcome the challenging issue raised by nonlinearity of Wasserstein spaces. The finite-sample performance of the proposed estimators is illustrated via simulation studies, and the practical merit is demonstrated via a study on the association of distributions of brain activities between two brain regions.

研究の動機と目的

• 関数データが非線形な Wasserstein 空間を値域として持つ場合の正規化相関分析フレームワークの構築を目的とする。
• Wasserstein 空間の非線形性に起因する課題を、特に対数写像と平行移動を用いたその内在的リーマン幾何に着目することで解決することを目的とする。
• 関数的主成分分析（FPCA）と Tikhonov 正則化を用いて、相関および対応する重み関数の推定量を提案することを目的とする。
• 適切な正則性条件下で、提案された推定量の最小最大収束速度を確立することを目的とする。
• シミュレーション研究および fMRI 脳活動分布解析を通じて、本手法の実用的有用性を示すこと。

提案手法

• 最適輸送に整合するリーマン構造を用いて、Wasserstein 空間内の確率的分布間の内在的相関の概念を定式化する。
• リーマン対数写像を用いて Wasserstein 空間を線形化し、内在的幾何的設定においてテンソルヒルバート空間技法を適用可能にする。
• 観測された分布的関数データから相関構造および重み関数を推定するために、関数的主成分分析（FPCA）を適用する。
• 特に高次元または悪条件な状況においても、相関および重み関数の推定を安定化させるために、Tikhonov 正則化を用いる。
• 平行移動と測地線補間を用いて、有限次元リーマン多様体におけるテンソルヒルバート空間の枠組みを無限次元 Wasserstein 空間に拡張する。
• 固有値の減衰および摂動バウンドの解析を通じて、固有構造と標本サイズに関する仮定の下で理論的収束速度を確立する。

実験結果

リサーチクエスチョン

• RQ1 関数データが非線形な Wasserstein 空間を値域として持つ場合に、正規化相関分析をどのように意味的に定義できるか。
• RQ2 Wasserstein 空間内の確率的分布間の相関の内在的幾何的構造は何か、そしてそれが一貫して推定可能か。
• RQ3 FPCA と Tikhonov 正則化は、この非線形設定において、最適な収束速度を達成しつつ、相関および重み関数を推定するために適応可能か。
• RQ4 Wasserstein 空間の非線形性は、古典的なユークリッド関数データ解析と比較して、相関推定量の理論的性質にどのように影響を与えるか。
• RQ5 Wasserstein 関数データ設定における相関推定量の最小最大収束速度は何か、そして提案手法によって達成可能か。

主な発見

• 提案された内在的 Wasserstein 相関分析フレームワークは、Wasserstein 空間の内在的リーマン幾何を活用することで、分布値関数データへの正規化相関分析の拡張に成功した。
• 固有値の減衰およびスペクトルギャップに関する正則性条件下では、相関推定量および対応する重み関数の両方において、最小最大最適収束速度を達成した。
• シミュレーション研究により、FPCA を用いた推定量および Tikhonov 正則化付き推定量の有限標本性能とロバストネスが確認された。
• 理論的解析により、固有値摂動バウンドおよび収束速度が、固有構造が多項式的減衰条件を満たす限り、無限次元設定でも有効であることが示された。
• fMRI データを用いた実用的妥当性の検証により、脳領域間の脳信号強度分布の間の有意義な関連性を同定できる能力が示された。
• 本稿は、従来の収束速度に関する理論的研究におけるギャップを是正し、標準的仮定下で RKHS ノルムバウンドが発散することを示した。これにより、提案された内在的幾何的アプローチの必然性が強調された。