[論文レビュー] Quickest Search Over Multiple Sequences with Mixed Observations

Jun Geng, Weiyu Xu+1 more|arXiv (Cornell University)|Feb 15, 2013

Advanced Statistical Process Monitoring参考文献 17被引用数 4

ひとこと要約

本稿では、観測値が複数のシーケンスからのサンプルの線形結合である可能性を許容する二段階のクイickest検出戦略を提案する。この戦略により、分布 $F_1$ によって生成されたレアなシーケンスの識別が高速化される。スキャン段階で混合観測値を用いて非ターゲットシーケンスを効率的に除外し、二段階目の精錬段階で選択を最適化することで、特に $F_1$ がまれな場合に顕著に検出遅延が短縮され、単一観測値手法に比べて最大40%の高速化を達成する。

ABSTRACT

The problem of sequentially finding an independent and identically distributed (i.i.d.) sequence that is drawn from a probability distribution $F_1$ by searching over multiple sequences, some of which are drawn from $F_1$ and the others of which are drawn from a different distribution $F_0$, is considered. The sensor is allowed to take one observation at a time. It has been shown in a recent work that if each observation comes from one sequence, Cumulative Sum (CUSUM) test is optimal. In this paper, we propose a new approach in which each observation can be a linear combination of samples from multiple sequences. The test has two stages. In the first stage, namely scanning stage, one takes a linear combination of a pair of sequences with the hope of scanning through sequences that are unlikely to be generated from $F_1$ and quickly identifying a pair of sequences such that at least one of them is highly likely to be generated by $F_1$. In the second stage, namely refinement stage, one examines the pair identified from the first stage more closely and picks one sequence to be the final sequence. The problem under this setup belongs to a class of multiple stopping time problems. In particular, it is an ordered two concatenated Markov stopping time problem. We obtain the optimal solution using the tools from the multiple stopping time theory. Numerical simulation results show that this search strategy can significantly reduce the searching time, especially when $F_{1}$ is rare.

研究の動機と目的

• 複数のシーケンスの中から $F_1$ によって生成されたまれな分布からのシーケンスを素早く特定する問題に対処すること。
• 単一シーケンスの観測に代えて、複数のシーケンスからのサンプルの線形結合を許容することにより、探索効率を向上させること。
• 制約付きの誤差確率のもとで、検出遅延と誤差確率の線形結合を最小化すること。
• 二段階の逐次探索プロセスに対して、複数の停止時刻理論を用いた最適戦略を開発すること。

提案手法

• 本手法は二段階のプロセスを用いる：スキャン段階（混合観測値）と精錬段階（単一シーケンス観測値）。
• スキャン段階では、二つのシーケンスの線形結合をとり、両方が $F_0$ から来ている可能性が高ければ、両方を除外する。
• スキャン段階は、事後確率に基づき、少なくとも一方のシーケンスが $F_1$ 由来であると高い信頼性を持つようになった時点で終了する。
• 精錬段階では、候補ペアに対して CUSUM に類似したテストを用い、$F_1$ 由来である可能性が最も高いシーケンスを選択することで誤差確率を最小化する。
• 最適停止時刻と切り替えルールは、順序付き二つの連結マルコフ停止時刻理論を用いて導出される。
• 最適意思決定ルールは、精錬段階で $F_1$ 由来である確率がより高いシーケンスを選択するものである。

実験結果

リサーチクエスチョン

• RQ1 複数のシーケンスからの観測値の線形結合は、まれな $F_1$ シーケンスのクイickest検出の効率を向上させ得るか？
• RQ2 スキャン段階と精錬段階は、検出遅延と誤差確率のトレードオフを最小化するようにどのように設計すべきか？
• RQ3 混合観測値が許容される場合、スキャン段階の最適停止および切り替えルールは何か？
• RQ4 混合観測値の使用は、単一観測値手法に比べ、検出遅延および誤差性能においてどのように差を生じるか？
• RQ5 マルコフ的状態動的過程を伴う二段階逐次探索における最適ポリシーの構造は何か？

主な発見

• $F_1$ がまれな場合、提案された混合観測戦略は単一観測戦略に比べ検出遅延を約40%短縮する。
• スキャン段階の最適停止ルールは領域ベースのルールであり、$p^{1,1}$ および $p^{mix}$ の事後確率に依存し、少なくとも一方の $F_1$ シーケンスに対する信頼性が高くなった時点で停止する。
• スキャン段階における最適切り替えルールも領域ベースであり、両方のシーケンスが $F_0$ 由来である可能性が高い場合にシーケンスの入れ替えをトリガーする。
• 精錬段階の最適停止時刻は、誤差の期待コストが将来コストを下回った時点で達成され、遅延と誤差の両方を最小化する。
• コスト関数 $V_s(p^{1,1}, p^{mix})$ は凹型であり上界を持つ。平坦領域は切り替え領域 $R_\theta$ に対応し、導出されたポリシーの最適性を裏付ける。
• 数値結果により、戦略は事前確率 $\pi = 0.05$ で最も優れた性能を示し、SNRが高い場合に性能が向上することが確認されている。