[논문 리뷰] Functional Estimation of Manifold-Valued Diffusion Processes

Jacob McErlean, Hau Tieng Wu|arXiv (Cornell University)|2026. 03. 21.

Functional Brain Connectivity Studies인용 수 0

한 줄 요약

본 논문은 단일 궤적으로 다양체 값을 가지는 Itô 확산의 드리프트와 확산을 복원하기 위해 Nadaraya-Watson 유형의 비모수 추정기를 개발하고, 접선 공간 기반의 드리프트 추정과 Harris 재귀성 하의 점근적 보장을 제공합니다.

ABSTRACT

Nonstationary high-dimensional time series are increasingly encountered in biomedical research as measurement technologies advance. Owing to the homeostatic nature of physiological systems, such datasets are often located on, or can be well approximated by, a low-dimensional manifold. Modeling such datasets by manifold-valued Itô diffusion processes has been shown to provide valuable insights and to guide the design of algorithms for clinical applications. In this paper, we propose Nadaraya-Watson type nonparametric estimators for the drift vector field and diffusion matrix of the process from one trajectory. Assuming a time-homogeneous stochastic differential equation on a smooth complete manifold without boundary, we show that as the sampling interval and kernel bandwidth vanish with increasing trajectory length, recurrence of the process yields asymptotic consistency and normality of the drift and diffusion estimators, as well as the associated occupation density. Analysis of the diffusion estimator further produces a tangent space estimator for dependent data, which has its own interest and is essential for drift estimation. Numerical experiments across a range of manifold configurations support the theoretical results.

연구 동기 및 목표

• 확산 동역학을 가진 낮은 차원의 다양체 위에서 고차원 생물의생 시계열을 모델링하는 동기를 제시한다.
• 관찰 데이터로부터 다양체 위의 드리프트와 확산을 추정하기 위한 커널 기반 추정기를 개발한다.
• 곡률로 인한 바이어스를 다루고 접선 공간 기반의 드리프트 추정을 가능하게 한다.
• 적절한 샘플링과 함께 Harris 재발성 하에서 점근적 일관성과 정규성을 확립한다.
• 시뮬레이션으로 검증된 알고리즘 단계와 이론적 결과를 제공한다.

제안 방법

• 유클리드 공간에 내재된 매끄럽고 완전한 다양체에서 Itô/SDE를 갖는 다양체 값 확산 모델을 채택한다.
• 단일 궤적으로부터 점유 밀도와 관찰 가능한 드리프트 및 확산을 추정하기 위해 Nadaraya-Watson 유형의 커널 추정기를 사용한다.
• 임베딩을 기반으로 한 거리 유사 함수를 도입하여 커널 가중치를 정의하고 확산 행렬을 추정한다.
• 추정된 확산 행렬의 고유구조를 통해 접선 공간을 추정하고 드리프트를 접선 공간으로 투사한다.
• 곡률 편향을 보정하기 위해 유클리드 스타일의 추정기를 추정된 접선 공간으로 투사하여 드리프트 추정기를 계산한다.
• Harris 재발성과 일반화된 Nummelin 분할 프레임워크를 활용하여 점근적 결과와 중심극한 정리를 도출한다.

실험 결과

연구 질문

• RQ1 다양체 값 확산 과정의 드리프트와 확산을 단일 궤적으로부터 비모수적으로 어떻게 추정할 수 있는가?
• RQ2 다양체의 곡률이 드리프트 추정에 미치는 영향은 무엇이며, 접선 공간 투영이 편향을 어떻게 완화할 수 있는가?
• RQ3 Harris 재발성 하에서 제안된 추정기의 점근적 특성(일관성과 정규성)은 무엇인가?
• RQ4 다양체에서 신뢰할 수 있는 추정을 보장하기 위해 대역폭과 샘플링 속도는 어떻게 선택해야 하는가?

주요 결과

• 곡률과 주변 임베딩을 고려한 곡률 적응형 Nadaraya-Watson 추정기가 드리프트, 확산, 점유 밀도에 대해 제안된다.
• 곡률로 인한 바이어스를 보정하기 위해 접선 공간 기반의 드리프트 추정기가 필요하다.
• 확산 추정은 곡률에 대해 여전히 강건하며 드리프트 회복을 위한 유용한 접선 공간을 제공한다.
• 적절한 대역폭과 샘플링 방식으로 Harris 재발성 하에서 추정기의 점근적 일관성과 정규성이 확립된다.
• 일반화된 비율 극한 접근법과 Darling-Kac 구조가 점근 분석과 가우시안 혼합 특성의 기초가 된다.
• 다양체 구성에 걸친 수치 실험이 이론적 결과를 뒷받침한다.