[論文レビュー] Optimal Exploitation of Subspace Prior Information in Matrix Sensing.

Sajad Daei, Farzan Haddadi+1 more|arXiv (Cornell University)|Sep 27, 2018

Sparse and Compressive Sensing Techniques被引用数 4

ひとこと要約

本稿では、行列センシングにおいて列空間および行空間の事前知識を統合する重み付き核ノルム最小化フレームワークを提案する。コーン積分幾何学を用いて導出された最適な重みを用いることで、測定回数を削減する。この手法は、標準的な核ノルム最小化に比べ顕著な性能向上を達成し、正確な低ランク行列回復に必要な測定回数を大幅に削減する。

ABSTRACT

Matrix sensing is the problem of reconstructing a low-rank matrix from a few linear measurements. In many applications such as collaborative filtering, the famous Netflix prize problem and seismic data interpolation, there exists some prior information about the column and row spaces of the true low rank matrix. In this paper, we exploit this prior information by proposing a weighted optimization problem where its objective function promotes both rank and prior subspace information. Using the recent results in conic integral geometry, we obtain the unique optimal weights that minimize the required number of measurements. As simulation results confirm, the proposed convex program with optimal weights substantially needs fewer measurements than the regular nuclear norm minimization.

研究の動機と目的

• 低ランク行列回復における測定回数を最小限に抑える課題に、列空間および行空間に関する事前部分空間情報が利用可能な状況で対処すること。
• 低ランク性と既知の部分空間への整合性を同時に促進する凸最適化フレームワークの構築。
• 測定回数を最小化する目的関数のための固有の最適重みの導出。
• シミュレーションを通じて、提案手法が標準的な核ノルム最小化に比べて測定複雑度が著しく低減することの検証。

提案手法

• 目的関数が核ノルムと既知の行空間および列空間からのずれの両方をペナルティ化する重み付き最適化問題を定式化する。
• コーン積分幾何学を用いて、正確な回復に必要な測定回数を最小化する固有の最適重みを解析的に導出する。
• 既知の部分空間に直交する方向に高い重みを割り当てることで、最適化に事前部分空間情報を統合する。
• 測定回数が限られた状況でも回復性能を向上させる一方で、凸計画問題としての取り扱いやすさを保証する。
• 導出された最適重みを重み付き核ノルム最小化問題に適用し、ロバスト性を向上させるとともに測定回数を削減する。

実験結果

リサーチクエスチョン

• RQ1 事前部分空間情報が利用可能な状況で、正確な低ランク行列回復に必要な測定回数を最小化する最適な重み付け方式は何か？
• RQ2 標準的な核ノルム最小化と比較して、事前部分空間知識を統合することは、行列センシングにおける測定複雑度にどのように影響を与えるか？
• RQ3 コーン積分幾何学を用いて、重み付き行列センシングのための最適重みを解析的に導出できるか？
• RQ4 実際の応用において、提案された最適重みは測定回数をどの程度削減できるか？

主な発見

• 提案された最適重み付き行列センシングは、正確な低ランク行列回復に必要な測定回数が、標準的な核ノルム最小化に比べて顕著に少ないことを示している。
• 最適重みはコーン積分幾何学を用いて解析的に導出されており、測定回数を最小限に抑えることを保証している。
• シミュレーション結果から、本手法が測定効率の面で標準的な核ノルム最小化を著しく上回ることが確認された。
• 最適化フレームワークへの事前部分空間情報の統合により、サンプリングレートを低く抑えても回復精度が向上した。