[논문 리뷰] Compressed Sensing for Network Reconstruction

David Hayden, Young Hwan Chang외 2명|arXiv (Cornell University)|2014. 11. 15.

Sparse and Compressive Sensing Techniques참고 문헌 21인용 수 7

한 줄 요약

이 논문은 선형 정상 시스템의 네트워크 복원 문제를 압축 감지 문제로 재구성하여 제한된 실험 데이터에서 희박한 네트워크 링크 구조를 복원한다. 감지 행렬이 질량 조건을 만족하도록 실험을 설계함으로써 유일한 희박한 해를 보장하며, 목표 지향적 입력 전략은 필요한 실험 수를 줄인다. 그러나 높은 네트워크 공액성은 기저 추적과 같은 볼록 최적화의 성능을 제한할 수 있다.

ABSTRACT

The problem of identifying sparse solutions for the link structure and dynamics of an unknown linear, time-invariant network is posed as finding sparse solutions x to Ax=b. If the sensing matrix A satisfies a rank condition, this problem has a unique, sparse solution. Here each row of A comprises one experiment consisting of input/output measurements and cannot be freely chosen. We show that if experiments are poorly designed, the rank condition may never be satisfied, resulting in multiple solutions. We discuss experimental strategies for designing experiments such that the sensing matrix has the desired properties and the problem is therefore well posed. This formulation allows prior knowledge to be taken into account in the form of known nonzero entries of x, requiring fewer experiments to be performed. A number of simulated examples are given to illustrate the approach, which provides a useful strategy commensurate with the type of experiments and measurements available to biologists. We also confirm suggested limitations on the use of convex relaxations for the efficient solution of this problem.

연구 동기 및 목표

• 생물학적 시스템에서 제한된 실험 데이터로부터 희박한 동적 네트워크를 복원하는 과제를 해결한다.
• 표준 압축 감지와 달리 네트워크 복원에서 감지 행렬을 자유롭게 선택할 수 없다는 한계를 극복한다.
• 감지 행렬의 질량 조건을 만족하는 실험 설계를 통해 유일한 희박한 해를 보장한다.
• 기존에 알려진 비영인 링크와 같은 사전 지식을 통합하여 필요한 실험 수를 줄인다.
• 랜덤, 편향, 목표 지향적 전략을 포함한 다양한 실험 전략의 효과를 평가하여 유일하고 재구성 가능한 해를 달성하는지 확인한다.

제안 방법

• 입력/출력 측정치로부터 유도된 $A$에 대해 $Ax = b$를 풀어 희박한 $x$를 구하는 방식으로 네트워크 복원을 수립한다. 여기서 $x$는 네트워크 링크 동역학을 나타낸다.
• 감지 행렬 $A$의 질량 조건을 사용하여 유일한 희박한 해를 보장함으로써 식별 가능성을 확보한다.
• 랜덤, 편향, 목표 지향적 입력 적용 전략을 제안하여 감지 행렬의 질량 조건을 만족시키는 실험 설계 전략을 마련한다.
• 기존에 알려진 비영인 $x$의 요소를 고정하여 사전 지식을 통합함으로써 검색 공간과 필요한 실험 수를 줄인다.
• 기저 추적($l_1$ 최소화)을 통한 볼록 최적화를 적용하여 효율적인 해를 도출하며, 성공 여부는 감지 행렬의 공액성에 따라 달라진다.
• 정상 상태 또는 주파수 도메인 데이터를 사용하여 데이터 요구량을 줄이고, 더 적은 측정 수로 복원을 가능하게 한다.

실험 결과

연구 질문

• RQ1 감지 행렬이 실험 설계에 의해 제약을 받는 상황에서, 선형 정상 시스템의 희박한 네트워크 구조에 대해 압축 감지 기법을 효과적으로 적용할 수 있는가?
• RQ2 어떤 실험 설계 전략이 네트워크 복원에서 희박한 해의 유일성을 보장하는가?
• RQ3 기존에 알려진 네트워크 링크에 대한 사전 지식을 통합할 경우, 정확한 복원을 위해 필요한 실험 수에 어떤 영향을 미치는가?
• RQ4 네트워크 공액성이 이 분야에서 기저 추적과 같은 볼록 최적화 방법의 성공률에 얼마나 큰 제약을 가하는가?
• RQ5 한 실험당 입력 수와 유일한 해 복원을 위해 필요한 실험 수 감소 간의 관계는 어떠한가?

주요 결과

• 잘못 설계된 실험은 질량 조건을 위반하여 희박성 가정이 있더라도 유일하지 않은 희박한 해를 초래할 수 있다.
• 목표 지향적 실험 설계는 랜덤 또는 편향 전략보다 해의 유일성을 확보하기 위해 필요한 실험 수를 더 효과적으로 줄인다.
• 한 실험당 네 개의 입력을 적용할 경우, $k=2$ 희박성에 대해 $m = 2k + 1$로 실험 수가 안정화되며, 전략에 관계없이 동일하게 유지된다.
• 낮은 공액성 조건에서 기저 추적은 목표 지향적 실험에서 100%의 경우에 전체 네트워크를 성공적으로 복원한다. 그러나 공액성이 증가할수록 성공률이 감소한다.
• 감지 행렬의 평균 공액성은 네트워크 파ameter의 정상 상태 이득이 클수록 증가하며, 이는 복원 성공률 감소와 상관관계가 있다.
• 기저 추적을 사용한 정확한 복원을 위해 필요한 실험 수는 해의 유일성을 확보하기 위해 필요한 실험 수를 초과하며, 이는 알려진 이론적 한계와 일치한다.