[논문 리뷰] Faa di Bruno's formula for Gateaux differentials and interacting stochastic population processes

Daniel E. Clark, Jérémie Houssineau|arXiv (Cornell University)|2012. 02. 01.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 31인용 수 13

한 줄 요약

이 논문은 위상 벡터 공간 위에서 Gâteaux 미분을 위한 일반화된 Faà di Bruno의 공식을 도입하여 상호작용하는 확률적 인구 과정의 계층과 의존성 구조를 통합적으로 모델링할 수 있는 프레임워크를 제공한다. 주요 기여는 체이닝-코모고로프 방정식과 베이즈 규칙을 유도하는 데에 유용한 엄밀한 변분 미적분 도구를 제공하며, 이는 다객체 추적, 분열 과정, 통계역학에서의 재규격화에 응용된다.

ABSTRACT

The problem of estimating interacting systems of multiple objects is important to a number of different fields of mathematics, physics, and engineering. Drawing from a range of disciplines, including statistical physics, variational calculus, point process theory, and statistical sensor fusion, we develop a unified probabilistic framework for modelling systems of this nature. In order to do this, we derive a new result in variational calculus, Faa di Bruno's formula for Gateaux differentials. Using this result, we derive the Chapman-Kolmogorov equation and Bayes' rule for stochastic population processes with interactions and hierarchies. We illustrate the general approach through case studies in multi-target tracking, branching processes and renormalization.

연구 동기 및 목표

• 상호작용과 계층을 포함하는 다객체 시스템을 모델링하기 위한 일반적인 확률적 프레임워크를 개발하는 것.
• 확률적 인구 과정에서 발생하는 복합 함수성의 고차 도함수를 유도하는 데 도전하는 것.
• 더 넓은 적용 가능성을 위해 비대칭 측도로의 확률 생성 기능을 일반화하는 것.
• 동일한 확률적 인구 과정 형식론 아래에서 분열 과정과 퍼콜레이션 이론에서의 재규격화를 통합하는 것.
• 필터링과 스무딩에 대해 명시적인 함수 형태를 제공하는 일반적인 다객체 추정의 베이즈 해법을 제시하는 것.

제안 방법

• 국소적으로 볼록한 위상벡터 공간에서 Gâteaux 미분을 위한 새로운 Faà di Bruno의 공식을 유도하며, 이를 증분의 분할 합으로 표현한다.
• 확률 생성 기능의 복합 함수성에 공식을 적용하여 모멘트 밀도 추정에 필수적인 고차 도함수를 계산한다.
• 기능적 형태를 수정하여 비대칭 점 과정을 처리할 수 있도록 확률 생성 기능을 일반화한다.
• 기능의 복합화를 통한 상호작용 인구 과정 정의로 계층적이고 상관관계가 있는 다객체 시스템을 모델링할 수 있다.
• 새로운 변분 도구를 사용하여 확률적 인구 과정에 대한 체이닝-코모고로프 방정식과 베이즈 규칙을 도출한다.
• 체이닝-코모고로프 방정식과 베이즈 규칙을 활용하여 전진-후진 스무딩기를 개발하며, 사후 기대값은 조건부 커널을 통해 계산한다.

실험 결과

연구 질문

• RQ1 어떻게 Faà di Bruno의 공식을 위상벡터 공간에서 Gâteaux 미분으로 일반화하여 확률 과정에서 발생하는 복합 함수성의 도함수를 다룰 수 있는가?
• RQ2 어떻게 비대칭 측도로의 확률 생성 기능을 확장하여 비대칭 다객체 시스템을 모델링할 수 있는가?
• RQ3 상호작용 인구 과정은 어떻게 분열 과정과 퍼콜레이션 이론에서의 재규격화를 통합할 수 있는가?
• RQ4 어떻게 다객체 시스템의 계층적 및 상호작용적 특성을 다룰 수 있도록 베이즈 필터링 및 스무딩 프레임워크를 일반화할 수 있는가?
• RQ5 사전분포와 우도가 독립적 또는 포아송 과정일 경우, 다객체 추정에서 사후 측도의 기능적 형태는 무엇인가?

주요 결과

• 증분의 분할 합으로 표현된 새로운 Gâteaux 미분을 위한 Faà di Bruno의 공식이 도출되었으며, 이는 복합 함수성의 고차 도함수를 위한 간결하고 일반적인 표현을 제공한다.
• 사전분포가 독립일 경우 다객체 추정의 사후 측도가 독립 과정임을 보여주며, 일반적인 경우의 공액성(Conjugacy)을 입증한다.
• 일반적인 모델 클래스에 대해 사후 분포(31)가 명시적으로 유도되었으며, 이는 상호작용과 계층을 고려한 기능적 형태를 갖는다.
• 전진-후진 스무딩기는 체이닝-코모고로프 방정정식과 베이즈 규칙을 기반으로 구성되며, 스무딩 기대값은 전진 및 후진 전이 커널을 포함하는 조건부 기대값으로 계산된다.
• 이 프레임워크는 분열 과정과 재규격화를 상호작용 인구 과정 모델의 특수한 경우로 통합함을 성공적으로 보여주었다.
• 다객체 추정의 일반해는 다객체 추적의 사례 연구를 통해 검증되었으며, 포아송 과정과 독립 과정의 경우에 대해 일관되고 다루기 쉬운 사후 형태를 보였다.