[論文レビュー] Minimax state estimates for abstract Neumann problems

Oleksandr Nakonechnyi, Sergiy Zhuk|arXiv (Cornell University)|Oct 20, 2017

Probabilistic and Robust Engineering Design参考文献 10被引用数 4

ひとこと要約

本稿は、不確実な入力、境界条件、および相関演算子が未知だが有界なノイズ観測を持つヒルベルト空間における抽象的ネウマン問題に対して、解析的ミニマックス（最悪ケース）状態推定を展開する。主な貢献は、凸的で、場合によっては非有界な不確実性集合のもとで、ミニマックス推定の正確な解析的表現を導出したことである。また、緩い条件下で漸近的正確性が証明され、コンact演算子のロバストな擬似逆演算と明確な関係が確立されている。

ABSTRACT

The paper presents analytic expressions of minimax (worst-case) estimates for solutions of linear abstract Neumann problems in Hilbert space with uncertain (not necessarily bounded!) inputs and boundary conditions given incomplete observations with stochastic noise. The latter is assumed to have uncertain but bounded correlation operator. It is demonstrated that the minimax estimate is asymptotically exact under mild assumptions on observations and bounding sets. A relationship between the proposed estimates and a robust pseudo-inversion of compact operators is revealed. This relationship is demonstrated on an academic numerical example: homogeneous Neumann problem for Poisson equation in two spatial dimensions.

研究の動機と目的

• 抽象的線形ネウマン問題に対するミニマックス状態推定フレームワークを構築すること。不確実性は、決定的モデル誤差（入力および境界条件）と、相関演算子が未知だが有界な確率的測定ノイズの混合である。
• 不確実性集合が非有界であっても、状態の線形汎関数に対するミニマックス推定の正確な解析的表現を導出すること。
• 観測時間 $T$ が増加する際、最悪ケース推定誤差がゼロに収束する条件を確立し、推定の漸近的正確性を保証すること。
• 提案されたミニマックス推定とコンパクト演算子のロバストな擬似逆演算との根本的関係を明らかにすること。特に、長い観測時間の極限においてその関係を示すこと。
• 2次元ポアソン方程式を用いた数値例を通じて、フレームワークの実用的妥当性を示し、信号微分およびノイズ除去との関連を提示すること。

提案手法

• 不確実な入力 $f_0$, $f_1$ およびノイズ相関演算子 $R_\nu$ のすべての実現可能性を、与えられた境界集合 $G$ および $G_1$ のもとで、最悪ケース平均二乗誤差を最小化する問題としてミニマックス推定問題を定式化する。
• 変分法およびヒルベルト空間における双対性を用いて、特に凸的で、場合によっては非有界な不確実性集合のもとで、ミニマックス推定 $\widehat{V\varphi}$ の正確な解析的表現を導出する。
• 観測が不完全で、相関演算子が未知のノイズによって汚されている場合に理論を適用する。ノイズは、与えられた集合 $G_1$ に属する有界な相関演算子を持つゼロ平均の確率過程としてモデル化する。
• 観測時間 $T \to \infty$ の下で、観測演算子および境界集合に関する緩い仮定のもとで、推定誤差の振る舞いを解析することにより、ミニマックス推定の漸近的正確性を確立する。
• 観測時間 $T \to \infty$ の極限において、ミニマックス推定が、ノルム最小の最小二乗問題 $\|Kx - K\varphi_{\text{true}}\| \to \min_x$ の解に収束することを示すことにより、ミニマックス推定とムーア・ペンローズ擬似逆行列との深い関係を明らかにする。
• スペクトル分解および作用素論を用いて、特にバナッハ型作用素およびノイズのある信号の微分の文脈において、ミニマックス推定子の収束を分析する。

実験結果

リサーチクエスチョン

• RQ1 抽象的ネウマン問題の解の線形汎関数に対するミニマックス推定の正確な解析的表現は何か？ ただし、入力および境界条件に不確実性があるものとする。
• RQ2 観測時間 $T$ が増加する際、ミニマックス推定子の最悪ケース推定誤差がゼロに収束する条件は何か？
• RQ3 長時間の観測時間の極限において、ミニマックス推定フレームワークはコンパクト演算子のロバストな擬似逆演算とどのように関係しているか？
• RQ4 ミニマックス推定子はノイズのある信号の微分器として解釈可能か？ もしそうならば、どのような条件下で真の微分に収束するか？
• RQ5 モデル入力の不確実性集合が非有界であっても、ノイズ相関演算子が有界のままの場合、本フレームワークはどのように対処するか？

主な発見

• 不確実性集合 $G$ が凸的で、場合によっては非有界であり、ノイズ相関演算子の集合 $G_1$ が有界であるとき、本稿はミニマックス推定 $\widehat{V\varphi}$ の正確な解析的表現を提供する。
• 観測演算子および境界集合に関する緩い仮定のもとで、$T \to \infty$ のとき最悪ケース推定誤差がゼロに収束し、ミニマックス推定の漸近的正確性が確立される。
• $T \to \infty$ の極限において、ミニマックス推定は、ノルム最小の最小二乗問題 $\|Kx - K\varphi_{\text{true}}\| \to \min_x$ の解に収束する。これにより、ロバストな擬似逆演算との明確な関係が確立される。
• バナッハ型観測作用素 $K$ の場合、ミニマックス推定子は、ノイズのある信号 $y(t)$ を効果的に微分し、$K\varphi_{\text{true}}$ の微分を近似する。
• 数値実験では、ノイズのある観測のもとで2次元ポアソン方程式の解に対して、相対的 $L^2$-誤差が約1%に達することが示された。
• モデル入力およびノイズ統計の不確実性に対しても、本フレームワークはロバストである。$f_1$ および $f_0$ が凸的境界集合内にあるとしか分かっていない場合でも、真の解に収束することが示された。