[논문 리뷰] Error estimates for spectral convergence of the graph Laplacian on random geometric graphs towards the Laplace--Beltrami operator

Nicolás García Trillos, Moritz Gerlach외 2명|arXiv (Cornell University)|2018. 01. 30.

Spectral Theory in Mathematical Physics인용 수 12

한 줄 요약

이 논문은 R^d에 임bed된 매끄럽고 컴act한 부분다양체 위에서 랜덤 기하 그래프의 그래프 라플라시안의 스펙트럼 수렴에 대한 오차 추정을 수립한다. 표본 크기 n이 증가하고 이웃 영역 반경 h가 감소함에 따라 고유값과 고유벡터는 O((log n / n)^{1/(2m)})의 속도로 수렴하며, 그래프 구축이나 고유벡터의 샘플 외 확장을 위한 다양체에 대한 사전 지식이 필요하지 않다.

ABSTRACT

We study the convergence of the graph Laplacian of a random geometric graph generated by an i.i.d. sample from a $m$-dimensional submanifold $M$ in $R^d$ as the sample size $n$ increases and the neighborhood size $h$ tends to zero. We show that eigenvalues and eigenvectors of the graph Laplacian converge with a rate of $O\Big(\big(\frac{\log n}{n}\big)^\frac{1}{2m}\Big)$ to the eigenvalues and eigenfunctions of the weighted Laplace-Beltrami operator of $M$. No information on the submanifold $M$ is needed in the construction of the graph or the "out-of-sample extension" of the eigenvectors. Of independent interest is a generalization of the rate of convergence of empirical measures on submanifolds in $R^d$ in infinity transportation distance.

연구 동기 및 목표

• 서브다양체 M ⊂ R^d 위에서 그래프 라플라시안의 스펙트럼 수렴에 대한 정량적 오차 한계를 수립하는 것.
• 표본 크기 n → ∞ 및 이웃 크기 h → 0일 때 고유값과 고유벡터의 수렴 속도를 분석하는 것.
• 다양체의 기하학적 구조나 밀도에 대한 사전 지식이 필요 없이 수렴 속도를 유도함으로써 고유벡터의 샘플 외 확장을 가능하게 하는 것.
• 무한 거리 운반 거리에서의 경험 측도 수렴 속도를 일반화하여 주요 스펙트럼 수렴 분석을 뒷받침하는 것.

제안 방법

• i.i.d. 표본으로부터 생성된 랜덤 기하 그래프를 사용하며, 이는 m차원 서브다양체 M ⊂ R^d 위에 있으며 이웃 반경이 h이다.
• 간선 가중치는 지오데식 거리에 따라 의존하는 커널 함수 η를 사용하며, σ_η를 통해 연속 라플라시안과 관련지어진다.
• 이산 그래프 라플라시안과 연속 라플라시안-베르트라미 연산자 간의 관계를 위해 디스크리티제이션 연산자 P와 그 쌍대 연산자 P*를 사용한다.
• 경험 측도 μ_n와 진짜 측도 μ 사이의 무한 거리 운반 거리를 유계로 만들기 위해, 밀도의 리프시츠 연속성과 곡률 한계를 사용하여 수렴 속도를 도출한다.
• 지오데식 기하학의 도구를 활용하여 국소 기하 효과를 제어하며, 이는 임베딩의 비틀림 반경 i_0, 도달 범위 R, 단면 곡률 K를 포함한다.
• 핵심 기술적 단계로는 각 정점 x_i에서의 총 무게 m_i를 지오데식 공 위의 적분을 비교하여 제약 조건을 만족하는 자코비안 왜곡 한계 J_{x_i}(z) ≤ 1 + CmKh^2를 이용해 추정하는 것이다.

실험 결과

연구 질문

• RQ1 n → ∞ 및 h → 0일 때 그래프 라플라시안의 고유값과 고유벡터는 어떤 속도로 라플라시안-베르트라미 연산자의 것과 수렴하는가?
• RQ2 수렴 속도는 서브다양체 M의 내재 차원 m과 표본 크기 n에 따라 어떻게 달라지는가?
• RQ3 다양체의 밀도나 기하학에 대한 사전 지식 없이도 수렴을 확보할 수 있으며, 이는 고유벡터의 샘플 외 확장을 가능하게 하는가?
• RQ4 스펙트럼 수렴을 달성하기 위해 표본 크기 n에 대해 이웃 반경 h의 최적 스케일링은 무엇인가?
• RQ5 M 위에서 경험 측도와 진짜 측도 사이의 무한 거리 운반 거리는 스펙트럼 수렴 속도에 어떻게 영향을 미치는가?

주요 결과

• 그래프 라플라시안의 고유값과 고유벡터는 가중 라플라시안-베르트라미 연산자로 O((log n / n)^{1/(2m)})의 속도로 수렴한다.
• 수렴 속도는 환경 차원 d에 영향을 받지 않으며, 오직 서브다양체의 내재 차원 m에만 의존한다.
• 서브다양체의 밀도 p나 가중 측도 밀도 ρ에 대한 지식이 필요 없어, 고유벡터의 일반적인 샘플 외 확장을 가능하게 한다.
• M 위에서 경험 측도 μ_n와 진짜 측도 μ 사이의 무한 거리 운반 거리는 O((log n / n)^{1/(2m)})로 유계이므로, 스펙트럼 수렴 결과를 뒷받침한다.
• 곡률과 도달 범위 제약 조건 하에서도 수렴 속도가 강건하며, 오차 항은 다양체의 최대 단면 곡률 K와 도달 범위 R에 의해 제어된다.
• 유도 과정에서 그래프 라플라시안이 L^2 의미에서 라플라시안-베르트라미 연산자를 균일하게 근사함을 보였으며, p, ρ, η의 리프시츠 상수에 명시적인 의존성이 있다.