[논문 리뷰] Estimation of Expected Euler Characteristic Curves of Nonstationary Smooth Gaussian Random Fields

Armin Schwartzman, Fabian J. E. Telschow외 2명|arXiv (Cornell University)|2019. 08. 07.

Soil Geostatistics and Mapping참고 문헌 34인용 수 4

한 줄 요약

이 논문은 비정상적인 매끄러운 가우시안 랜덤 필드의 리프시츠-칼링 곡률(LKCs)을 일관된 추정기로 제안하며, 고정된 올리버 특성 곡선의 선형 투영을 통해 효율적인 기대 올리버 특성(EEC) 곡선 추정을 가능하게 한다. 이는 파arametric 모델을 통해 실현 가능하게 하며, 비모수적 방법에 비해 분산과 효율성을 향상시킨다. 또한 다이내너 부트스트랩을 통해 비가우시안 필드로의 확장을 가능하게 하였으며, 2차원 시뮬레이션, 3차원 fMRI, 천체물리학적 2차원 구면 데이터에서 검증되었다.

ABSTRACT

The expected Euler characteristic (EEC) curve of excursion sets of a Gaussian random field is used to approximate the distribution of its supremum for high thresholds. Viewed as a function of the excursion threshold, the EEC is expressed by the Gaussian kinematic formula (GKF) as a linear function of the Lipschitz-Killing curvatures (LKCs) of the field, which solely depend on the domain and covariance function of the field. So far its use for non-stationary Gaussian fields over non-trivial domains has been limited because in this case the LKCs are difficult to estimate. In this paper, consistent estimators of the LKCs are proposed as linear projections of pinned observed Euler characteristic curves and a linear parametric estimator of the EEC curve is obtained, which is more efficient than its nonparametric counterpart for repeated observations. A multiplier bootstrap modification reduces the variance of the estimator, and allows estimation of LKCs and EEC of the limiting field of non-Gaussian fields satisfying a functional CLT. The proposed methods are evaluated using simulations of 2D fields and illustrated in thresholding of 3D fMRI brain activation maps and cosmological simulations on the 2-sphere.

연구 동기 및 목표

• 복잡한 도메인에서 분석적 계산이 불가능한 비정상적인 가우시안 랜덤 필드의 리프시츠-칼링 곡률(LKCs) 추정 문제를 해결하기 위해, 기존 방법이 계산적으로 비가능한 이유로 실패하는 상황을 다루는 것.
• 초월값 분포 근사에 핵심적인 기대 올리버 특성(EEC) 곡선을 위한 일관되고 효율적인 추정기 개발.
• 관측 데이터로부터 실용적인 LKC 추정을 가능하게 하여 가우시안 운동 공식(GKF)을 비정상적이고 비트ivial한 도메인으로 확장하는 것.
• 기능적 중심극한정리에 따라 비가우시안 과정의 한계 분포에 대해 추정기의 분산을 줄이고 추론을 가능하게 하기 위한 다이내너 부트스트랩 방법을 사용하는 것.

제안 방법

• 관측된 올리버 특성 곡선을 고정된 임계값에서 알려진 기하 기능의 기저에 투영하여 LKCs의 선형 투영 추정기 제안.
• 도메인과 공분산 구조에 따라 EEC를 함수로 표현하는 가우시안 운동 공식(GKF)을 활용하여 EEC 곡선을 LKCs의 가중합으로 표현하는 선형 파arametric 모델 설정.
• 반복 관측 및 비가우시안 필드 근사에 특히 유용한 LKC 및 EEC 추정기의 분산을 줄이기 위해 다이내너 부트스트랩 절차 도입.
• 실제 데이터에 파arametric EEC 추정기를 적용하여, 3차원 fMRI 뇌 활성도 맵과 2-구면에서의 천체물리학 시뮬레이션을 포함한 응용에서 강건성과 효율성을 입증함.

실험 결과

연구 질문

• RQ1 분석적 계산이 불가능한 복잡한 도메인에서 비정상적인 가우시안 필드의 리프시츠-칼링 곡률(LKCs)을 어떻게 일관되게 추정할 수 있는가?
• RQ2 기대 올리버 특성(EEC) 곡선에 대한 파arametric 모델이 비모수적 추정에 비해 효율성과 분산 감소 측면에서 뛰어나게 성능을 발휘할 수 있는가?
• RQ3 기능적 중심극한정리 하에서 다이내너 부트스트랩을 통해 제안된 방법이 비가우시안 필드로 얼마나 넓게 확장될 수 있는가?
• RQ4 3차원 fMRI에서의 임계값 설정 및 천체물리학적 2-구면 데이터에서 제안된 추정기는 실질 응용에서 얼마나 잘 작동하는가?

주요 결과

• 제안된 LKCs의 선형 투영 추정기는 비모수적 대안에 비해 일관성과 분산 감소를 크게 달성하며, 반복 관측이 있을 경우 尤히 유의미하다.
• LKCs 투영에 기반한 파arametric EEC 추정기는 비모수적 추정에 비해 더 높은 효율성을 보이며, 고임계값 초월값 분포 근사에 더 정확하고 안정적인 추론을 가능하게 한다.
• 다이내너 부트스트랩 방법은 추정기의 분산을 성공적으로 감소시키며, 기능적 중심극한정리를 만족하는 비가우시안 과정의 한계 분포에 대해 타당한 추론을 가능하게 한다.
• 시뮬레이션과 실제 데이터 응용, 즉 3차원 fMRI 및 천체물리학적 2-구면 필드에서, EEC와 LKCs를 정확하게 추정함으로써 강건성과 실용적 유용성을 입증하였다.