[논문 리뷰] Bounds for the sampling discretization error and their applications to the universal sampling discretization

Egor D. Kosov, Vladimir Temlyakov|arXiv (Cornell University)|2023. 12. 09.

Mathematical Approximation and Integration인용 수 4

한 줄 요약

이 논문은 연속 함수의 함수류에 대한 $L_p$-노름의 샘플링 이산화 오차에 대한 일반적 상계를 체이닝 기법과 엔트로피 수를 이용해 유일한 노름에서 도출한다. 다변수 함수의 혼합 미분 가능성에 대해 새로운 오차 추정치를 유도하고, 이는 일반적인 샘플링 이산화와 최적의 샘플링 복원에 적용되어 근사 오차를 통제하는 복원 알고리즘에 대한 이론적 보장을 제공한다.

ABSTRACT

In the first part of the paper we study absolute error of sampling discretization of the integral $L_p$-norm for function classes of continuous functions. We use basic approaches from chaining technique to provide general upper bounds for the error of sampling discretization of the $L_p$-norm on a given function class in terms of entropy numbers in the uniform norm of this class. As an example we apply these general results to obtain new error bounds for sampling discretization of the $L_p$-norms on classes of multivariate functions with mixed smoothness. In the second part of the paper we apply our general bounds to study the problem of universal sampling discretization.

연구 동기 및 목표

• 함수류에 대한 $L_p$-노름의 샘플링 이산화 오차에 대한 일반적 상한을 도출하는 것.
• 이산화 오차와 유일한 노름에서의 엔트로피 수 사이의 관계를 설정하는 것.
• 혼합 미분 가능성의 함수류에 대해 일반적인 샘플링 이산화와 최적의 샘플링 복원에 결과를 적용하는 것.
• 근사 오차를 통제하는 효율적인 샘플링 복원 알고리즘에 대한 이론적 기초를 제공하는 것.
• 그리디 알고리즘(예: WCGA)이 이론적 보장을 동반하면서 실용적인 복원에서 얼마나 효과적인지 보여주는 것.

제안 방법

• 체이닝 기법을 사용하여 함수류의 유일한 노름에서의 엔트로피 수를 바탕으로 샘플링 이산화 오차를 상한으로 제시한다.
• 일반적인 추상적 상한을 유도하여 $er_m(W, L_p)$를 $p$에 따라 달라지는 거듭제곱에 비례하는 스케일링된 엔트로피 수의 합으로 연결한다.
• 일반적 상한을 혼합 미분 가능성의 다변수 주기적 함수류 $\mathbf{W}^r_q$ 및 $\mathbf{H}^r_q$에 적용한다.
• 유한 차원 부분공간의 집합에 대해 $L_p$-일반적인 샘플링 이산화의 개념을 도입함으로써 일반적인 샘플링 이산화를 분석한다.
• 약한 체비셰프 그레디 알고리즘(WCGA)을 활용하여 이론적 오차 상한을 갖는 실용적인 복원 방법을 구축한다.
• 한쪽 방향의 일반적인 이산화를 활용하여 샘플링 점에서의 $\ell_p$-노름 투영을 통한 복원 오차 상한을 수립한다.

실험 결과

연구 질문

• RQ1 함수류의 엔트로피 수를 기반으로 $L_p$-노름의 샘플링 이산화 오차는 어떻게 상한을 구할 수 있는가?
• RQ2 $p \geq 2$인 $L_p$-노름에서 엔트로피 수의 감쇠 속도와 결과적인 이산화 오차 사이의 관계는 무엇인가?
• RQ3 일반적인 이산화 오차 상한이 혼합 미분 가능성의 다변수 함수류에 적용될 수 있는가?
• RQ4 유한 차원 부분공간의 집합에 대해 $L_p$-노름에서 일반적인 샘플링 이산화에 대한 이론적 보장은 무엇인가?
• RQ5 그리디 알고리즘(예: WCGA)은 최소한의 계산 비용으로 최적의 샘플링 복원을 달성하는 데 얼마나 효과적인가?

주요 결과

• 모든 $p \in [2, \infty)$에 대해, $\varepsilon_n(W, L_\infty) \leq B n^{-r} [\log(n+1)]^b$ 이고 $r \in (0, 1/2]$ 이면, $er_m(W, L_p) \leq C m^{-r} [\log(m+1)]^b$ 를 만족하며, 여기서 $C$ 는 $B, M, r, b, p$ 에 의존한다.
• 비판적 경우인 $r = 1/2$ 에서 오차 상한은 $er_m(W, L_p) \leq C m^{-1/2} [\log(m+1)]^{b+1}$ 로 변형되며, 이는 로그 보정을 반영한다.
• 모든 $p \in [1, \infty)$ 에 대해 일반적 상한 $er_m(W, L_p) \leq C p^2 M^{\max\{p/2, p-1\}} m^{-1/2} \sum_{n=0}^m (n+1)^{-1/2} \varepsilon_n(W, L_\infty)^{\min\{2,p\}/2}$ 이 성립하며, 이는 통합된 프레임워크를 제공한다.
• $\mathbf{W}^r_q$ 및 $\mathbf{H}^r_q$ 함수류의 경우 엔트로피 수가 $n^{-r} [\log n]^b$ 로 감쇠하여, 이에 대응하는 이산화 오차 비율이 일치한다.
• WCGA 기반 복원 알고리즘은 $k \sim v \ln(2v)$ 반복 후 오차 상한 $\|f - f_k\|_p \leq C D \sigma_v(f, \mathcal{D}_N)_\infty$ 을 확보하여 효율적인 계산을 보장한다.
• 한쪽 방향의 일반적인 이산화를 통해 이론적 복원 오차 상한을 수립하였으며, 좋은 샘플링 점은 안정적이고 정확한 복원을 이끌어낸다.