[論文レビュー] Unbiased Matrix Rounding

Benjamin Doerr, Tobias Friedrich+2 more|ArXiv.org|Apr 18, 2006

VLSI and Analog Circuit Testing被引用数 4

ひとこと要約

本稿では、全行・全列に限らず、任意の行・列の区間に対しても1未満の丸め誤差を保証する、実行列を整数行列に丸める効率的な決定的アルゴリズムを提示する。実行時間はO(mn log(mn))であり、各要素の期待値が元の値と一致する不偏丸めを保証する確率的変種も導入しており、丸められたデータからの信頼性の高い統計的推論が可能になる。

ABSTRACT

We show several ways to round a real matrix to an integer one such that the rounding errors in all rows and columns as well as the whole matrix are less than one. This is a classical problem with applications in many fields, in particular, statistics. We improve earlier solutions of different authors in two ways. For rounding matrices of size $m imes n$, we reduce the runtime from $O((m n)^2 Second, our roundings also have a rounding error of less than one in all initial intervals of rows and columns. Consequently, arbitrary intervals have an error of at most two. This is particularly useful in the statistics application of controlled rounding. The same result can be obtained via (dependent) randomized rounding. This has the additional advantage that the rounding is unbiased, that is, for all entries $y_{ij}$ of our rounding, we have $E(y_{ij}) = x_{ij}$, where $x_{ij}$ is the corresponding entry of the input matrix.

研究の動機と目的

• すべての行・列の区間において丸め誤差が有界となるように、実行列を整数行列に丸めるより高速なアルゴリズムの開発。
• 古典的な丸め結果を拡張し、全行・全列だけでなく、任意の初期区間に対しても誤差境界を保証すること。
• 各要素の期待値が元の値と一致する不偏な確率的丸め法の導入、すなわちすべてのエントリについてE[y_ij] = x_ijを満たすこと。
• 統計的機密保持のための制御丸めへの応用において、実行時間の複雑性と統計的有用性の両面で先行手法を改善すること。

提案手法

• 半整数エントリを頂点とするグラフを用いてモデル化し、エッジは0と1に交互に丸め可能なペアを表す。
• 各行ごとに偶奇とポインタ構造を維持し、半整数エントリのグラフ内のサイクルを効率的に検出・処理する。
• グラフ内の各サイクルを交互に0-1のシーケンスに置き換えることで、区間内の部分和が誤差境界内に保たれることを保証する。
• 確率的バージョンでは、各サイクルを独立に2種類の交互シーケンスのいずれかに割り当て、期待値の不偏性を保証する。
• ビット単位の丸めと再帰的分解を組み合わせ、小数部の各ビットを別々に処理し、部分行列に再帰的に丸めを適用する。
• 決定的丸めではO(mn log(mn))時間、確率的丸めではℓビット精度でO(mnℓ)時間の実行時間となる。

実験結果

リサーチクエスチョン

• RQ1 すべての初期行・列区間において誤差境界を保ちながら、サブ2乗時間で行列丸めを実行できるか？
• RQ2 すべてのエントリおよびその部分和に対して期待値が不偏となる丸め方式を設計可能か？
• RQ3 丸め誤差を全行・全列に限らず、連続するエントリの任意の区間に対しても有界に保てるか？
• RQ4 誤差境界と統計的不偏性の両方を保証する確率的丸め法を構築可能か？
• RQ5 統計的応用における行列丸めにおいて、計算効率と誤差制御の最適なトレードオフは何か？

主な発見

• 決定的アルゴリズムはO(mn log(mn))時間で丸めを計算し、以前のO((mn)^2)の境界を改善する。
• 丸めにより、すべての行・列の初期区間における部分和の誤差が1未満に保証される。
• 確率的アルゴリズムは不偏丸めを達成し、すべてのエントリについてE[y_ij] = x_ijであり、部分行・列和に対しても不偏性が保たれる。
• 確率的丸めはO(mnℓ)時間で実行され、小数部の精度ℓが高くなる入力に対しても効率的である。
• 任意の区間和の誤差が最大2以内に抑えられることを保証しており、これは以前の手法が全行・全列の誤差しか有界にしなかったのに対し、顕著な改善である。
• 本手法は統計的制御丸めへの応用に適しており、年齢層などの部分合計の推定が誤差有界に保証された状態で可能になる。