[論文レビュー] Non-Gaussian Observations in Nonlinear Compressed Sensing via Stein Discrepancies

Larry Goldstein, Xiaohan Wei|arXiv (Cornell University)|Sep 27, 2016

Sparse and Compressive Sensing Techniques参考文献 17被引用数 3

ひとこと要約

本稿では、非ガウス測定下における非線形圧縮センシングを分析するためのツールとして、スティーン不偏差を導入する。従来の研究と比較して、よりタイトな性能バインディングと緩い条件を実現する。正規性からの逸脱を測定することで、重たい尾または歪度のある測定分布を有する非線形モデルにおける信号復元保証が向上し、誤差バインディングに明示的な小さな定数が得られ、ガウス分布および線形測定が特別な場合として含まれる。

ABSTRACT

Performance guarantees for compression in nonlinear models under non-Gaussian observations can be achieved through the use of distributional characteristics that are sensitive to the distance to normality, and which in particular return the value of zero under Gaussian or linear sensing. The use of these characteristics, or discrepancies, improves some previous results in this area by relaxing conditions and tightening performance bounds. In addition, these characteristics are tractable to compute when Gaussian sensing is corrupted by either additive errors or mixing.

研究の動機と目的

• 測定が正規性から逸脱する非線形圧縮センシングにおける性能保証を扱う。
• 非ガウス測定下において、従来の研究の限界（悪いバインディング、強い滑らかさ仮定、スパarsityに関する問題）を克服する。
• 正規性からの逸脱に敏感なフレームワークを構築し、非線形および線形測定モデルの両方に一般化する。
• 復元誤差バインディングに明示的かつ小さな定数を提供し、定量的タイトネスおよび取り扱いやすさの面で従来の結果を改善する。
• 正規性からの逸脱に関連する分布的特性を活用することで、一般の測定分布下での信号再構成を可能にする。

提案手法

• 測定分布と標準正規分布の距離を測るためのスティーン不偏差を導入し、ガウス分布または線形測定の下ではゼロとなることを示す。
• スティーン係数とゼロバイアスカップリングを用いて、測定分布の正規性からの逸脱を特徴付ける。
• 実測観測に基づいて真の損失 $ L( extbf{t}) $ を推定する損失関数 $ L_m( extbf{t}) $ を定義し、コンact集合 $ K $ 上でこれを最小化することで $ extbf{x} $ を回復する。
• 一般化チェーンングとガウス過程の技術を用いて、$ extbf{t} eq extbf{x} $ をインデックスとする経験的過程の上界をバインドし、ガウス平均幅 $ ho( ext{K}) $ を用いる。
• 測定ベクトル成分の $ oldsymbol{ ho}_2 $-ノルムを用いて、サブガウスおよびサブ指数的尾部バインディングを導出し、測度集中を制御する。
• ベルシュタイン型不等式と二次形式 $ rac{1}{m} orm{ extbf{a}_i^ op extbf{t} }^2 $ の尾部制御を組み合わせることで、推定誤差の高確率バインディングを導出する。

実験結果

リサーチクエスチョン

• RQ1 正規性からの逸脱に敏感な分布的特性を用いることで、非ガウス測定下における非線形圧縮センシングの性能保証を向上させることは可能か？
• RQ2 スティーン不偏差を用いることで、誤差バインディングをタイトにし、強い滑らかさ仮定やモーメント仮定への依存を軽減できるか？
• RQ3 このフレームワークは、ガウス分布および線形測定モデルの既知の結果をどの程度特別な場合として回復できるか？
• RQ4 測定ベクトルの $ oldsymbol{ ho}_2 $-ノルムは、経験的損失の集中を制御するために果たす役割は何か？
• RQ5 この不偏差ベースのアプローチを用いて、復元誤差バインディングに明示的かつ小さな定数を導出できるか？

主な発見

• 提案されたフレームワークは、正規性からの逸脱を測るスティーン不偏差を用いることで、非ガウス測定下における非線形圧縮センシングの性能保証を達成する。
• 従来の研究と比較して、よりタイトな誤差バインディングを提供し、復元誤差に明示的かつ小さな定数が含まれており、定量的タイトネスの面で従来の結果を改善する。
• フレームワークは、ガウス分布および線形測定モデルを特別な場合として回復する。これは、これらの条件下でスティーン不偏差がゼロとなるためである。
• ゼロバイアスカップリングとスティーン係数の使用により、非ガウス的または汚損した測定（例：加法的ノイズや混合）下でも、分布的特性の計算が取り扱い可能になる。
• 一般化チェーンングとベルシュタインの不等式を用いて、推定誤差の高確率バインディングを導出し、測定ベクトル成分の $ oldsymbol{ ho}_2 $-ノルムによる尾部制御を実施する。
• 解析により、推定誤差 $ orm{ extbf{x} - extbf{x}_m }_2 $ が高確率で、$ ho(K) \times \text{スティーン不偏差} \times \frac{1}{\text{サンプルサイズ}} $ に比例する項によってバインドされることを示す。明示的な定数が得られている。