[논문 리뷰] A large deviation approach to some transportation cost inequalities

Nathaël Gozlan, C. Léonard|ArXiv.org|2005. 10. 27.

Optimization and Variational Analysis참고 문헌 11인용 수 4

한 줄 요약

이 논문은 대규모 이탈 원리들을 사용하여 새로운 운송 비용 부등식을 수립하며, Bobkov와 Götze의 작업을 확장하는 이중 특성화를 제공한다. 기준 측도의 적분 가능성에 따라 이러한 부등식을 위한 필요 및 충분 조건을 도출함으로써, 텐서화 및 볼록 쌍대 분석을 통해 경험 과정에 대한 날카운 농도 측도 및 이탈 결과를 도출한다.

ABSTRACT

New transportation cost inequalities are derived by means of elementary large deviation reasonings. Their dual characterization is proved; this provides an extension of a well-known result of S. Bobkov and F. Götze. Their tensorization properties are investigated. Sufficient conditions (and necessary conditions too) for these inequalities are stated in terms of the integrability of the reference measure. Applying these results leads to new deviation results: concentration of measure and deviations of empirical processes.

연구 동기 및 목표

• 기본적인 대규모 이탈 추론을 사용하여 새로운 운송 비용 부등식을 유도하기.
• Bobkov와 Götze의 이중 특성화를 더 넓은 범주로 확장하기.
• 유체 및 경험 측도에 대한 유도된 부등식의 텐서화 성질을 조사하기.
• 기준 측도의 적분 가능성에 따라 부등식을 위한 필요 및 충분 조건을 수립하기.
• 결과를 적용하여 경험 과정에 대한 날카운 측도 및 이탈 경계를 도출하기.

제안 방법

• 저자들은 계약 원리와 지수 기울임을 사용하여 대규모 이탈 원리를 활용해 운송 비용 부등식을 도출한다.
• 리프시츠 함수의 로그 모멘트 생성 함수를 사용하여 부등식의 이중 특성화를 수립한다.
• 이 방법은 특히 누적량 생성 함수의 단조 쌍대를 포함한 볼록 쌍대 분석을 사용한다.
• 텐서화는 제품 측도의 누적량 생성 함수를 분석하고, 가역성 및 볼록성 논증을 적용함으로써 달성된다.
• 최적 운반 함수를 특성화하기 위해 볼록, 증가, 하부 해석 함수의 클래스를 사용한다.
• 증명은 변동성 표현과 볼록 쌍대를 통한 변동 함수와 운반 비용 간의 상호작용에 기반한다.

실험 결과

연구 질문

• RQ1 대규모 이탈 기법을 어떻게 사용하여 새로운 운반 비용 부등식을 도출할 수 있는가?
• RQ2 이러한 부등식의 이중 특성화는 무엇이며, Bobkov와 Götze의 결과를 어떻게 확장하는가?
• RQ3 측도가 이러한 부등식을 만족하기 위한 필요 및 충분 조건은 무엇이며, 적분 가능성에 따라 어떻게 기술되는가?
• RQ4 이러한 부등식은 제품 측도 및 경험 과정에서 어떻게 행동하는가?
• RQ5 이러한 부등식으로부터 도출된 경험 과정의 최적 변동 함수는 무엇인가?

주요 결과

• 논문은 측도가 $ T_p(C) $ 부등식을 만족함과 동시에 유계 리프시츠 함수의 로그 모멘트 생성 함수가 $ Cs^2/2 $ 이하로 유계임과 동치임을 수립하며, Bobkov와 Götze의 이중 특성화를 확장한다.
• $ T_1(C) $에 대한 필요 및 충분 조건은 어떤 $ a_0 > 0 $ 에 대해 $ \exp(a_0 d(x_0,x)^2) $ 의 적분 가능성에 의해 기술되며, 이는 가우시안 농도를 특성화한다.
• 부등식의 텐서화는 각 변량이 $ T_1(C_i) $ 를 만족하면 제품 측도가 $ T_1(\sum C_i) $ 를 만족하고, $ T_2 $ 의 경우 제품 측도가 $ T_2(\max C_i) $ 를 만족함을 보여준다.
• 경험 과정의 경우, 이탈 속도 함수가 개별 구성 요소의 이탈 함수의 하한 이하로 유계임이 입증되었으며, 적절한 조건 하에서 극한에서 등호가 성립한다.
• 클래스 $ \mathcal{C} $ 내에서 최적 운반 함수는 시험 함수 클래스에서의 누적량 생성 함수의 상한의 볼록 쌍대로 식별된다.
• $ \Lambda_{\Phi}^{\circledast} $ 는 이탈 함수 $ J_\Phi $ 의 볼록 하부 해석 함수 정규화이며, 연속성 가정 하에서 클래스 $ \mathcal{C} $ 내에서 최적의 이탈 함수임이 입증된다.