[논문 리뷰] Existence and Consistency of Wasserstein Barycenters

Thibaut Le Gouic, Jean–Michel Loubes|arXiv (Cornell University)|2015. 06. 12.

Geometric Analysis and Curvature Flows참고 문헌 25인용 수 9

한 줄 요약

이 논문은 지오데식 공간에서의 프레셰 평균을 사용하여 워셔스타인 바리센터의 개념을 도입하며, 일반적인 조건 하에서 그 존재성과 일致성을 증명한다. 랜덤 분포 또는 경험적 측도의 바리센터가 거의 확실히 진짜 바리센터로 수렴함을 보이며, 이는 유클리드 공간이 아닌 기하학적 제약 조건이 있는 메트릭 공간에서 통계 평균 개념을 일반화한다.

ABSTRACT

In this paper, based on the Fr{\'e}chet mean, we define a notion of barycenter corresponding to a usual notion of statistical mean. We prove the existence of Wasserstein barycenters of random distributions defined on a geodesic space (E, d). We also prove the consistency of this barycenter in a general setting, that includes taking barycenters of empirical versions of the distributions or of a growing set of distributions.

연구 동기 및 목표

• 메트릭 공간에서의 확률 분포에 대한 통계적으로 의미 있는 바리센터 개념을 프레셰 평균 프레임워크를 사용하여 정의하기.
• 분포가 지오데식 공간 (E, d) 위에 정의될 때 워셔스타인 바리센터의 존재성을 확립하기.
• 경험적 분포 또는 관측된 분포의 증가하는 집합으로부터 계산된 바리센터의 일치성을 증명하기.
• 기존의 평균 계산 방식이 실패하는 비유클리드 공간으로 통계 평균 개념을 일반화하기.
• 형태, 이미지 또는 시간적 시리즈와 같이 기하학적 구조를 가진 복잡한 데이터를 다루는 데에 바리센터를 사용하기 위한 이론적 기초 제공하기.

제안 방법

• 지오데식 공간 (E, d) 상의 확률측도 공간에서 프레셰 함수의 최소화자로 워셔스타인 바리센터를 정의한다.
• 확률 분포 간의 이질성은 워셔스타인 거리(워셔스타인 메트릭)를 사용하여 측정한다.
• 약한 위상 하에서 확률측도 공간에서 컴팩티니티와 하부연속성의 논증을 통해 존재성을 확립한다.
• 경험적 바리센터가 관측된 분포의 수가 증가함에 따라 진짜 바리센터로 거의 확실히 수렴함을 보여 일치성을 증명한다.
• (E, d)에서 곡률과 지오데식 완비성을 다루기 위해 최적 운반 이론과 메트릭 기하학의 결과를 적용한다.
• 적절한 조건 하에서 프레셰 함수가 볼록이고 하부연속적임을 이용하여 최소화자의 존재를 보장한다.

실험 결과

연구 질문

• RQ1 지오데식 공간 위의 확률 분포 집합에 대해 워셔스타인 메트릭 하에서 잘 정의된 바리센터가 존재하는가?
• RQ2 경험적 표본으로부터의 분포 또는 관측된 분포의 증가하는 수열로부터 바리센터를 일관되게 추정할 수 있는가?
• RQ3 제안된 바리센터는 기존의 통계 평균 개념을 비유클리드적이고 곡률이 있는 메트릭 공간으로 어떻게 일반화하는가?
• RQ4 기저가 되는 공간 (E, d)에 대해 바리센터의 존재성과 일치성을 보장하는 조건은 무엇인가?
• RQ5 바리센터는 입력 분포의 기하학적 및 확률적 성질을 어느 정도 유지하는가?

주요 결과

• 완비 지오데식 공간 (E, d) 상의 임의의 확률 분포 집합에 대해 워셔스타인 바리센터가 존재한다.
• 바리센터는 입력 분포들로부터의 평균 워셔스타인 거리를 측정하는 프레셰 함수의 최소화자로서 잘 정의된다.
• 일致성이 입증된다: 경험적 분포로부터 계산된 바리센터는 표본 수가 증가함에 따라 거의 확실히 진짜 바리센터로 수렴한다.
• 이 결과는 분포가 동일한 법칙에서 독립적으로 추출된 경우를 포함하여 일반적인 조건 하에서도 성립한다.
• 이 프레임워크는 지오데식선이 잘 정의된 리만 다양체나 메트릭 트리와 같은 넓은 범주의 공간에 적용 가능하다.
• 이론적 기초는 형태, 이미지, 시간적 시리즈와 같이 비유클리드적 복잡한 데이터의 견고한 통계 분석을 가능하게 한다.