[논문 리뷰] Hermite interpolation and data processing errors on Riemannian matrix manifolds

Ralf Zimmermann|arXiv (Cornell University)|2019. 08. 16.

Statistical and numerical algorithms참고 문헌 36인용 수 18

한 줄 요약

이 논문은 리만 다양체에서의 허미트 보간법을 제안하며, 스토펠 다양체와 같은 리만 행렬 다양체에서 린만 지수 및 로그 사상만을 사용한다. 이는 유클리드 허미트 보간법과 직접적인 유사성을 가지며, 계산 비용이 낮고, 섹션 곡률과 연결된 일반적인 오차 한계를 도출한다. 이는 SVD 및 QR 분해와 같은 직교 행렬 분해에서 수치 실험을 통해 검증되었다.

ABSTRACT

The main contribution of this paper is twofold: On the one hand, a general framework for performing Hermite interpolation on Riemannian manifolds is presented. The method is applicable, if algorithms for the associated Riemannian exponential and logarithm mappings are available. This includes many of the matrix manifolds that arise in practical Riemannian computing application such as data analysis and signal processing, computer vision and image processing, structured matrix optimization problems and model reduction. On the other hand, we expose a natural relation between data processing errors and the sectional curvature of the manifold in question. This provides general error bounds for manifold data processing methods that rely on Riemannian normal coordinates. Numerical experiments are conducted for the compact Stiefel manifold of rectangular column-orthogonal matrices. As use cases, we compute Hermite interpolation curves for orthogonal matrix factorizations such as the singular value decomposition and the QR-decomposition.

연구 동기 및 목표

• 특수 기하학적 구조가 필요 없이 일반적이고 계산 비용이 낮은 리만 다양체를 위한 허미트 보간 프레임워크를 개발하기 위해.
• 기초가 되는 다양체의 섹션 곡률과 데이터 처리 오차 사이의 이론적 연관성을 확립하기 위해.
• 직교 행렬 분해와 관련된 스토펠 다양체와 같은 행렬 다양체에서 실용적인 허미트 보간을 가능하게 하기 위해.
• 리만 정규좌표를 기반으로 하는 다양체 기반 데이터 처리 방법에 대한 오차 한계를 제공하기 위해.
• SVD 및 QR 분해를 사례로 삼아 스토펠 다양체에서의 수치 실험을 통해 방법의 효과성을 입증하기 위해.

제안 방법

• 리만 다양체에서의 허미트 보간을 이산 시간점에서의 다양체 점과 접선 벡터를 갖는 C1 곡선 피팅 문제로 공식화한다.
• 리만 지수 및 로그 사상을 사용하여 정규좌표에서 국소 보간 곡선을 구성함으로써 C1 연속성을 확보한다.
• 매개변수 공간에서 고전적인 3차 허미트 기저 함수를 사용하고, 이를 리만 지수를 통해 다양체로 매핑함으로써 필요한 지수/로그 평가 횟수를 최소화한다.
• 직교 행렬이 보간되는 컴act 스토펠 다양체 St(n,r)에 이 방법을 적용하며, 지수 및 로그 사상에 대한 효율적인 수치 알고리즘을 사용한다.
• 데이터 처리 오차를 다양체의 섹션 곡률과 연결함으로써 일반적인 오차 한계를 유도하며, 특히 정규좌표 기반 방법에 대해 유용하다.
• 행렬 미분법과 알고리즘적 미분을 사용하여 QR 및 SVD 분해를 미분함으로써 방법을 직교 행렬 분해에 적응시킨다.

실험 결과

연구 질문

• RQ1 리만 다양체에서의 허미트 보간은 어떻게 공식화할 수 있는가? 이는 유클리드 허미트 보간과 유사하면서도 계산 비용이 낮아야 한다.
• RQ2 정규좌표 기반 방법에서 데이터 처리 오차와 다양체의 기하학적 곡률 사이의 내재된 관계는 무엇인가?
• RQ3 스토펠 다양체와 같은 행렬 다양체에서 리만 군 또는 대칭 공간의 구조가 필요 없이 제안된 보간 방법을 효율적으로 구현할 수 있는가?
• RQ4 스토펠 다양체의 곡률 특성은 정규좌표를 사용한 허미트 보간의 정확도에 어떻게 영향을 미치는가?
• RQ5 SVD 및 QR 분해와 같은 직교 행렬 분해에 적용했을 때, 이 방법의 계산 및 수치 성능 특성은 어떠한가?

주요 결과

• 제안된 허미트 보간 방법은 기존 방법보다 계산 비용이 낮으며, 리만 지수 및 로그 평가 횟수가 적다.
• 효율적인 지수 및 로그 사상 알고리즘이 제공되는 한, 이 방법은 임의의 리만 다양체에 적용 가능하다.
• 데이터 처리 오차와 다양체의 섹션 곡률 사이의 이론적 연관성이 확립되었으며, 정규좌표 기반 방법에 대한 일반적인 오차 한계를 도출하였다.
• 스토펠 다양체에서의 수치 실험을 통해 SVD 및 QR 분해와 같은 직교 행렬 분해에 대해 정확한 허미트 보간이 가능함을 입증하였다.
• 다른 정규좌표 기준점 사용 시 비대칭성이 거의 없이 C1 연속 보간 곡선을 성공적으로 계산하였다.
• 행렬 미분 알고리즘을 사용하여 QR 및 SVD 분해의 도함수를 효율적으로 계산하였으며, 이는 방법이 동적 행렬 분해 문제에 적용 가능하게 하였다.