[論文レビュー] Optimization-based AMP for Phase Retrieval: The Impact of Initialization and $\ell_2$-regularization

Junjie Ma, Ji Xu+1 more|arXiv (Cornell University)|Jan 3, 2018

Advanced X-ray Imaging Techniques参考文献 43被引用数 9

ひとこと要約

本稿では、位相再構成のための最適化に基づく近似メッセージパッシング（AMP）アルゴリズムを提案し、ℓ₂正則化を用いることで、複素信号をわずか ≈2.5n 測定値で正確に回復できることを示している。状態遷移解析により鋭い性能境界が得られ、ℓ₂正則化が回復性能を向上させ、スペクトル初期化の影響は漸近的領域では最小限であることが示された。

ABSTRACT

We consider an $\ell_2$-regularized non-convex optimization problem for recovering signals from their noisy phaseless observations. We design and study the performance of a message passing algorithm that aims to solve this optimization problem. We consider the asymptotic setting $m,n ightarrow \infty$, $m/n ightarrow δ$ and obtain sharp performance bounds, where $m$ is the number of measurements and $n$ is the signal dimension. We show that for complex signals the algorithm can perform accurate recovery with only $m= \left(\frac{64}{π^2}-4 ight)n \approx 2.5n$ measurements. Also, we provide sharp analysis on the sensitivity of the algorithm to noise. We highlight the following facts about our message passing algorithm: (i) Adding $\ell_2$ regularization to the non-convex loss function can be beneficial. (ii) Spectral initialization has marginal impact on the performance of the algorithm. The sharp analyses in this paper, not only enable us to compare the performance of our method with other phase recovery schemes, but also shed light on designing better iterative algorithms for other non-convex optimization problems.

研究の動機と目的

• 非凸的でℓ₂正則化を含む最適化の下で、証明可能に効率的なメッセージパッシングアルゴリズムの開発。
• 大規模系の極限（m,n→∞, m/n→δ）におけるアルゴリズムの漸近的性能を、状態遷移を用いて分析すること。
• ℓ₂正則化とスペクトル初期化が回復精度およびノイズ耐性に与える影響の評価。
• 複素数値信号に対する測定値要件とノイズ感度の鋭い理論的境界の確立。

提案手法

• アルゴリズムは、位相のない測定値から信号を回復するため、ℓ₂正則化を施した非凸最適化定式化を用いる。
• 大規模系の極限におけるベイズ的ブールフィードバックに基づき、新規の近似メッセージパッシング（AMP）アルゴリズム、AMP.A が導出された。
• 反復ごとの平均二乗誤差および信号対雑音比の推移を追跡するために、厳密に導出・分析された状態遷移方程式が用いられた。
• 収束行動および安定性を特徴付けるために、楕円積分の性質と漸近的写像が活用された。
• 反復ごとに信号および雑音パラメータ（αt, σt²）の進化を追跡する状態遷移フレームワークが採用された。
• 特にψ₁およびψ₂関数の連続性および単調性の性質を用いて、鋭い性能境界が導出された。

実験結果

リサーチクエスチョン

• RQ1 ℓ₂正則化は、高次元領域における非凸位相再構成アルゴリズムの性能を向上させるか？
• RQ2 提案されたAMP.Aアルゴリズムを用いた正確な回復に必要な最小測定数は何か？
• RQ3 アルゴリズムの性能はノイズに対してどの程度感度が高く、理論的なノイズ下限は何か？
• RQ4 スペクトル初期化はAMP.Aアルゴリズムの収束性および精度にどの程度影響を及えるか？
• RQ5 状態遷移フレームワークは、漸近的領域におけるアルゴリズム性能に対して鋭い予測を提供するか？

主な発見

• アルゴリズムは、複素信号をわずか m ≈ 2.5n 測定値（具体的には m = (64/π² − 4)n ≈ 2.5n）で正確に回復できる。
• ℓ₂正則化が有効であることが示され、非凸最適化の地形において収束性と安定性が向上した。
• スペクトル初期化の影響は微小であり、初期化の選択に対してアルゴリズムが頑健であることが示された。
• 状態遷移フレームワークは鋭い予測を提供し、δ > δ_global = 2 のとき、固定点 (α=1, σ²=0) に収束することが分かった。
• δ < δ_global の場合、原点付近で不安定性が生じ、(1,0) の近傍で ∂ψ₂/∂σ² > 1 であるため、σ² がゼロから離れる。
• ノイズ感度は解析的に境界づけられ、ノイズ下限がゼロに近づかないことが示され、δ および σ² に明確な依存関係があることが分かった。