[論文レビュー] On the two-filter approximations of marginal smoothing distributions in general state space models

Thi Ngoc Minh Nguyen, Sylvain Le Corff+1 more|arXiv (Cornell University)|May 27, 2016

Target Tracking and Data Fusion in Sensor Networks参考文献 40被引用数 6

ひとこと要約

本稿は、一般の非線形・非ガウス型状態空間モデルにおける周辺平滑化分布の近似のための二フィルターアルゴリズムについて、非漸近的理論的分析を提供する。前方フィルタと後方情報フィルタを組み合わせることで、計算量が線形に増加する一方で、得られる粒子ベース推定量の集中不等式および中心極限定理を確立する。

ABSTRACT

A prevalent problem in general state space models is the approximation of the smoothing distribution of a state conditional on the observations from the past, the present, and the future. The aim of this paper is to provide a rigorous analysis of such approximations of smoothed distributions provided by the two-filter algorithms. We extend the results available for the approximation of smoothing distributions to these two-filter approaches which combine a forward filter approximating the filtering distributions with a backward information filter approximating a quantity proportional to the posterior distribution of the state given future observations.

研究の動機と目的

• 一般の状態空間モデルにおける周辺平滑化のための二フィルターアルゴリズムの非漸近的理論的分析を提供すること。
• 標準的な粒子スムージング手法における既存の理論的保証（集中不等式や中心極限定理）を、二フィルターメソッドへと拡張すること。
• 前方フィルタリングと後方情報フィルタリングを組み合わせた二フィルターメソッドの性能を、粒子数に線形に依存する計算量のもとで分析すること。
• やや弱い正則性条件のもとで、平滑化期待値の推定量の漸近正規性と逸脱バウンドを確立すること。

提案手法

• 本手法は、フィルタリング分布 φχ,s を近似する前方粒子フィルタと、将来の観測値に基づく状態の後ろ向き事後分布に比例する量を近似する後方情報フィルタを組み合わせる。
• 重要度再標本化とマルコフ核による粒子伝播を用いた順次モンテカルロ（SMC）を用い、粒子の重みと軌跡を維持する。
• 二フィルタアプローチは、祖先の履歴を保存し、パスの崩壊を避けるために後向きサンプリングを用いて平滑化分布を再構築する。
• 理論的分析は、従属粒子系における三角形配列不変性原理とマルティンゲール中心極限定理に依拠する。
• 主要な構成要素には、正規化された重み ˜ωi s|T と ˇωj t|T があり、線形計算量を保証するための提案メカニズムを用いた重要度サンプリングが含まれる。
• 分析は、有界な遷移密度と重要度重みの可積分性を含む仮定 A1–A3 に依拠し、収束結果を導出する。

実験結果

リサーチクエスチョン

• RQ1 二フィルターアルゴリズムは、非線形・非ガウス型状態空間モデルにおける周辺平滑化分布の近似において、どのように性能を発揮するか？
• RQ2 平滑化期待値の二フィルターエstimator の非漸近的集中性はどのような性質を示すか？
• RQ3 二フィルターメソッドは漸近正規性を達成するか？その推定量の漸近分散は何か？
• RQ4 二フィルターメソッドは、パスの崩壊を避ける一方で、粒子数に線形に依存する計算量を維持できるか？
• RQ5 二フィルターメソッドにおける理論的保証（集中性と CLT）は、標準的な粒子スムージング手法と比べてどのように異なるか？

主な発見

• 二フィルターアルゴリズムは、粒子数 N に線形に増加する計算量を達成し、従来の FFBS 法の N² のコストを回避する。
• 本稿では、二フィルターエstimator に対して中心極限定理（CLT）を確立し、N^{1/2} 倍の推定誤差が、明確に定義された漸近分散を持つ正規分布に分布収束することを示した。
• 仮定 A1–A3 のもとで、推定量の真の平滑化期待値からの逸脱が N に対して指数関数的に減少することを示す集中不等式を導出した。
• 推定量の漸近分散は、前方フィルタと後方フィルタを含む再帰的表現で特徴付けられ、Γχ,s と ˇΓγ,t|T の明示的表現が得られた。
• 分析により、二フィルターメソッドは、前方と後方の伝播を分離することで、パスの崩壊を回避することが確認された。これは、Poor Man’s Smoother とは異なり、その点で優位である。
• 理論的結果は、指数的逸脱バウンドと Slutsky の補題を用いて妥当化され、弱い正則性条件のもとでもロバストであることが保証された。