[論文レビュー] Spectral Bayesian Regression on the Sphere

Claudio Durastanti|arXiv (Cornell University)|Jan 28, 2026

Statistical Methods and Inference被引用数 0

ひとこと要約

この論文は、単位球面上の関数に対する完全に内因的なベイズ非パラメトリック回帰フレームワークを、等方ガウス場事前分布と球面調和関数の対角化を用いて開発し、閉形式の事後分布と鋭い収束結果を得る。

ABSTRACT

We develop a fully intrinsic Bayesian framework for nonparametric regression on the unit sphere based on isotropic Gaussian field priors and the harmonic structure induced by the Laplace-Beltrami operator. Under uniform random design, the regression model admits an exact diagonalization in the spherical harmonic basis, yielding a Gaussian sequence representation with frequency-dependent multiplicities. Exploiting this structure, we derive closed-form posterior distributions, optimal spectral truncation schemes, and sharp posterior contraction rates under integrated squared loss. For Gaussian priors with polynomially decaying angular power spectra, including spherical Matérn priors, we establish posterior contraction rates over Sobolev classes, which are minimax-optimal under correct prior calibration. We further show that the posterior mean admits an exact variational characterization as a geometrically intrinsic penalized least-squares estimator, equivalent to a Laplace-Beltrami smoothing spline.

研究の動機と目的

• 非ユークリッド領域、特に単位球面上のベイズ非パラメトリック回帰を動機づけ、その調和構造を活用する。
• 球面上での各方位が等方的なガウス場事前分布を導入し、ラプラス＝ベルトラミ演算子の固有構造を利用する。
• 球面調和関数で厳密な対角化を認める一様ランダム設計の回帰モデルを開発する。
• 閉形式の事後分布、スペクトル切り詰めルール、およびSobolev型関数クラスに対する鋭い事後収束率を導出する。
• ベイズ回帰とスペクトル正則化、およびラプラス＝ベルトラミ演算子による固有的平滑化を内因的に結ぶ。

提案手法

• 球面調和基底で対角化する共分散をもち、ガウス過程の列表現が得られる等方ガウス場事前分布を用い、繰り返し成分を M_{d,ℓ} ∝ ℓ^{d-1} に比例させる。
• 事前分布をラプラス–ベルトラミ演算子の関数計算として表現する： T = ψ(-Δ_{S^d})、ψ(λ_ℓ) = C_ℓ。
• 球面上のマテルン型事前分布をモデル化するために多項式減衰を持つ角周波数スペクトラム C_ℓ を採用する：C_ℓ ≍ (1+λ_ℓ)^{-α}。
• 一様ランダム設計の下で非パラメトリック回帰モデルを定式化し、事後分析のために正確な対角ガウス列を得る。
• Sobolev型関数クラスに対する閉形式の事後分布、最適なスペクトル切り詰め法、および収束率を導出する。

実験結果

リサーチクエスチョン

• RQ1 球面調和関数を用いて単位球面上で内因的にベイズ非パラメトリック回帰をどのように定式化できるか？
• RQ2 球面上でマテルン型スペクトルを持つ等方ガウス場事前分布を用いた場合、どのような事後分布、切り詰め規則、収束率が生じるか？
• RQ3 ラプラス–ベルトラミ演算子は球面ガウス過程回帰における正則化と平滑化の性質をどう支配するか？
• RQ4 事後平均は球面上の内因的な平滑化スプラインとして変分的に特徴づけられるか？

主な発見

• 球面での一様設計を伴う回帰モデルは、球面調和基底において正確なガウス列表現を認める。
• 内因的球面設定において、事後分布、最適なスペクトル切り詰め、および鋭い収束率が閉形式で得られる。
• 多項式減衰の角周波数スペクトル（マテルン型事前分布）の場合、事前分 calibration に対応するSobolevクラス上での事後収束率はミニマックス最適となる。
• 事後平均は正確な変分特性を持つ幾何学的内因的ペナルティ付き最小二乗推定量として特徴づけられ、ラプラス–ベルトラミ平滑スプラインに等価である。
• この枠組みはガウス過程回帰、Sobolev正則化、および多様体上のラプラス–ベルトラミ平滑化との等価性を明らかにする。