[논문 리뷰] Gaussian Conditionally Markov Sequences: Dynamic Models and Representations of Reciprocal and Other Classes

Reza Rezaie, X. Rong Li|arXiv (Cornell University)|2019. 12. 11.

Artificial Immune Systems Applications인용 수 11

한 줄 요약

이 논문은 비특이 가우시안 조건부 마르코프(CM) 순서열에 대한 세밀한 동적 모델을 제시하며, 특히 $CM_L$, $CM_F$, 그리고 순환적 $CM_L$ 모델에 초점을 맞춘다. 순환적 $CM_L$ 모델가 마르코프 모델로부터 유도될 수 있음을 입증하고, $CM_L$ 및 $CM_F$ 순서열을 마르코프 성분과 상관없는 벡터로 분해함으로써 체계적인 매개변수 설계를 가능하게 하며, 순환 순서열의 구조적 성질을 드러낸다.

ABSTRACT

Conditionally Markov (CM) sequences are powerful mathematical tools for modeling problems. One class of CM sequences is the reciprocal sequence. In application, we need not only CM dynamic models, but also know how to design model parameters. Models of two important classes of nonsingular Gaussian (NG) CM sequences, called $CM_L$ and $CM_F$ models, and a model of the NG reciprocal sequence, called reciprocal $CM_L$ model, were presented in our previous works and their applications were discussed. In this paper, these models are studied in more detail, in particular their parameter design. It is shown that every reciprocal $CM_L$ model can be induced by a Markov model. Then, parameters of each reciprocal $CM_L$ model can be obtained from those of the Markov model. Also, it is shown that an NG $CM_L$ ( $CM_F$ ) sequence can be represented by a sum of an NG Markov sequence and an uncorrelated NG vector. This (necessary and sufficient) representation provides a basis for designing parameters of a $CM_L$ ( $CM_F$ ) model. From the CM viewpoint, a representation is also obtained for NG reciprocal sequences. This representation is simple and reveals an important property of reciprocal sequences. As a result, the significance of studying reciprocal sequences from the CM viewpoint is demonstrated. A full spectrum of dynamic models from a $CM_L$ model to a reciprocal $CM_L$ model is also presented. Some examples are presented for illustration.

연구 동기 및 목표

• 비특이 가우시안 조건부 마르코프(CM) 순서열을 위한 포괄적인 동적 모델을 개발하는 것, 특히 $CM_L$, $CM_F$, 그리고 순환적 $CM_L$ 클래스를 포함하여.
• 마르코프 순서열과 상관없는 벡터로 분해함으로써 $CM_L$ 및 $CM_F$ 모델의 체계적인 매개변수 설계를 가능하게 하는 것.
• 모든 순환적 $CM_L$ 모델가 마르코프 모델로부터 유도될 수 있음을 입증함으로써 매개변수 유도를 단순화하는 것.
• CM 프레임워크에서 유도된 새로운 간단한 표현을 통해 순환 순서열의 구조적 성질을 드러내는 것.
• $CM_L$에서 순환적 $CM_L$에 이르는 전체 모델 스펙트럼을 제시하며, 이들의 관계와 응용을 설명하는 것.

제안 방법

• 조건부 독립성 구조를 이용하여 비특이 가우시안 CM 순서열의 동적 표현으로서 $CM_L$ 및 $CM_F$ 모델을 유도하는 것.
• 모든 비특이 가우시안 $CM_L$ 또는 $CM_F$ 순서열가 비특이 가우시안 마르코프 순서열과 상관없는 비특이 가우시안 벡터의 합으로 표현될 수 있음을 입증하며, 이는 체계적인 매개변수 설계 방법을 제공한다.
• 모든 순환적 $CM_L$ 모델가 마르코프 모델에서 유도됨을 증명함으로써 마르코프 모델에서 순환적 $CM_L$ 모델로의 매개변수 이행이 가능해지는 것.
• CM 프레임워크 내에서 비특이 가우시안 순환 순서열에 대한 표현을 제안하며, 이러한 순서열의 본질적 구조적 성질을 강조한다.
• $CM_L$에서 순환적 $CM_L$에 이르는 전체 모델 스펙트럼을 구성하며, 이들의 계층적 관계와 동적 진화를 보여주는 것.
• 모델 구성 및 매개변수 설계 과정을 설명하기 위해 구체적인 예시를 사용하는 것.

실험 결과

연구 질문

• RQ1 비특이 가우시안 CM 순서열에 대해 $CM_L$ 및 $CM_F$ 모델의 매개변수를 어떻게 체계적으로 설계할 수 있는가?
• RQ2 순환적 $CM_L$ 모델과 마르코프 모델 간의 관계는 무엇이며, 후자는 전자로부터 유도될 수 있는가?
• RQ3 $CM_L$ 및 $CM_F$ 순서열을 마르코프 성분과 상관없는 벡터로 분해하는 것이 모델 매개변수화의 기초가 될 수 있는가?
• RQ4 CM 프레임워크 내에서 표현된 순환 순서열은 어떤 구조적 성질을 드러내는가?
• RQ5 동적 모델로서의 $CM_L$, $CM_F$, 그리고 순환적 $CM_L$ 순서열는 연속적인 스펙트럼 내에서 어떻게 상호 관련되어 있는가?

주요 결과

• 모든 순환적 $CM_L$ 모델는 마르코프 모델로부터 유도될 수 있으며, 이는 해당 마르코프 모델의 매개변수로부터 순환적 $CM_L$ 모델의 매개변수를 유도할 수 있음을 의미한다.
• 비특이 가우시안 $CM_L$ (또는 $CM_F$) 순서열는 비특이 가우시안 마르코프 순서열과 상관없는 비특이 가우시안 벡터의 합으로 표현될 수 있으며, 이는 모델 매개변수화를 위한 필수 및 충분조건을 제공한다.
• 분해 표현은 $CM_L$ 및 $CM_F$ 모델의 매개변수 설계를 체계적이고 구축 가능한 방법으로 가능하게 한다.
• CM 프레임워크 내에서 비특이 가우시안 순환 순서열에 대한 새로운 표현이 유도되었으며, 이는 단순하며 이러한 순서열의 핵심 구조적 성질을 드러낸다.
• 전체 스펙트럼의 동적 모델이 구축되었으며, $CM_L$에서 순환적 $CM_L$에 이르기까지 이들의 계층적 및 동적 관계를 보여준다.
• 연구는 CM 프레임워크를 통해 순환 순서열를 분석하는 것이 그 구조와 모델링 잠재력에 대한 깊이 있는 통찰을 제공하며 그 중요성을 입증한다.