[논문 리뷰] Inference for Gaussian Processes with Matérn Covariogram on Compact Riemannian Manifolds

Didong Li, Wenpin Tang외 1명|PubMed|2021. 04. 08.

Soil Geostatistics and Mapping참고 문헌 53인용 수 4

한 줄 요약

이 논문은 컴팩트 리만 다양체 위의 마르틴 공분산 함수를 가진 가우시안 과정에 대한 渐近적 추론 이론을 수립한다. 이는 라플라스–베르트라미 연산자의 스펙트럼 성질에 기반하며, 최대우도 추정기의 일致성과 최적 선형 무एव추정자(BLUP)의 渐近적 최적성에 대해 증명한다. 또한, 마이크로에르고딕 매개변수를 체계적으로 규명하고 원형 다각체에서 이론적 검증을 수행한다.

ABSTRACT

Gaussian processes are widely employed as versatile modelling and predictive tools in spatial statistics, functional data analysis, computer modelling and diverse applications of machine learning. They have been widely studied over Euclidean spaces, where they are specified using covariance functions or covariograms for modelling complex dependencies. There is a growing literature on Gaussian processes over Riemannian manifolds in order to develop richer and more flexible inferential frameworks for non-Euclidean data. While numerical approximations through graph representations have been well studied for the Matérn covariogram and heat kernel, the behaviour of asymptotic inference on the parameters of the covariogram has received relatively scant attention. We focus on asymptotic behaviour for Gaussian processes constructed over compact Riemannian manifolds. Building upon a recently introduced Matérn covariogram on a compact Riemannian manifold, we employ formal notions and conditions for the equivalence of two Matérn Gaussian random measures on compact manifolds to derive the parameter that is identifiable, also known as the microergodic parameter, and formally establish the consistency of the maximum likelihood estimate and the asymptotic optimality of the best linear unbiased predictor. The circle is studied as a specific example of compact Riemannian manifolds with numerical experiments to illustrate and corroborate the theory.

연구 동기 및 목표

• 기존 유클리드 가정이 적용되지 않는 컴팩트 리만 다각체 위의 마르틴 공분산 함수를 가진 가우시안 과정에 대해 엄밀한 渐近적 추론 프레임워크를 개발한다.
• 다양체 위의 가우시안 측도의 동치 조건 하에서 마르틴 공분산 함수의 마이크로에르고딕 매개변수를 규명한다.
• 비유클리드 환경에서 최대우도 추정기의 일치성과 최적 선형 무एव추정자(BLUP)의 渐近적 최적성을 공식적으로 확립한다.
• 원형 다각체, 즉 표준 컴팩트 리만 다각체에서 수치 실험을 통해 이론적 결과를 검증한다.
• 특히 비평탄한 기하학에서 마르틴 과정에 대한 수치적 근사와 공식적 통계적 추론 사이의 격차를 메운다.

제안 방법

• 저자는 컴팩트 리만 다각체 위의 라플라스–베르트라미 연산자의 스펙트럼 분해를 이용하여 고유함수와 고유값을 통해 유효한 마르틴 공분산 함수를 정의한다.
• 가우시안 측도의 동치 조건을 적용하여 마이크로에르고딕 매개변수를 유도하며, 이는 渐近적 식별 가능성에 영향을 미친다.
• 정규성 조건 하에서 표본 분산의 거의 확실 수렴과 측도 동치 조건을 이용하여 최대우도 추정기의 일치성을 확립한다.
• 예측 오차 분산 분석을 통해 BLUP의 渐近적 최적성을 증명하며, 이론적 최소값으로 수렴하는 것을 보인다.
• 수치 근사를 위해 공분산 함수의 절단된 급수 표현을 사용하며, 尾수의 $L^2$-노름 제어를 통해 오차 한계를 도출한다.
• Narcowich 등(1998)의 결과를 활용하여 공분산 행렬의 최소 고유값에 대한 이론적 한계를 도출하여, 절단된 공분산 행렬의 정의성 보장한다.

실험 결과

연구 질문

• RQ1 컴팩트 리만 다각체 위의 마르틴 공분산 함수에서 어떤 매개변수가 渐近적 표본 추출 조건 하에서 식별 가능한가?
• RQ2 컴팩트 다각체에서 마르틴 매개변수의 최대우도 추정기가 어떤 조건에서 일치하는가?
• RQ3 비유클리드 영역에서 가우시안 과정에 대해 최적 선형 무एव추정자가 渐近적으로 최적인가?
• RQ4 통계적 성질을 유지하면서 마르틴 공분산 함수를 다각체에서 어떻게 수치적으로 근사할 수 있는가?
• RQ5 라플라스–베르트라미 스펙트럼은 마르틴 과정의 정의 및 추론에 어떤 역할을 하는가?

주요 결과

• 측도 동치 조건 하에서 컴팩트 리만 다각체 위의 마르틴 공분산 함수에서 마이크로에르고딕 매개변수는 분산과 매끄러움 매개변수의 역수의 곱으로 체계적으로 규명된다.
• 마이크로에르고딕 매개변수의 최대우도 추정기는 일치성 존재하며, 진짜 측도 하에서 표본 분산이 거의 확실하게 진짜 분산으로 수렴한다.
• 최적 선형 무एव추정자는 예측 오차 분산이 진짜 모형 하에서 이론적 최소값으로 수렴함으로써 渐近적 최적성을 확보한다.
• 원형 다각체에서의 수치 실험은 이론적 일치성과 최적성을 확인하며, 표본 크기가 증가할수록 예측 오차가 감소함을 보여준다.
• 공분산 함수의 절단된 급수 근사는 균일 수렴하며, 오차는 $O(L^{-2 u})$로 유계이다. 여기서 $L$은 절단 수준이고 $ u$는 매끄러움 매개변수이다.
• 적당히 큰 $L$에 대해 공분산 행렬의 최소 고유값은 0으로부터 떨어져 있으며, 이는 근사 공분산 행렬의 정의성 보장을 한다.