[논문 리뷰] Majority Is Asymptotically the Most Stable Resilient Function

Elchanan Mossel|arXiv (Cornell University)|2017. 04. 16.

Complexity and Algorithms in Graphs참고 문헌 27인용 수 6

한 줄 요약

이 논문은 Majority Is Stablest 정리의 범위를 확장하여, 낮은 影響 조건뿐만 아니라 푸리에 계수의 값이 0으로 수렴하는 함수에 대해서도 안정성 경계가 유지됨을 보여준다. 두 부울 함수의 노이즈가 섞인 내적 값이 해당하는 가우시안 반공간의 값보다 높을 경우, 그들 각각의 큰 푸리에 계수 지지집합이 반드시 겹쳐야 한다는 것을 증명하며, 기존의 단일 함수에 대한 결과를 일반화한다.

ABSTRACT

The result that Majority Is Stablest, proven with O'Donnell and Oleszkiewicz (2005), states that, for any two Boolean function $f,g$, of maximal influence $ au$, their noisy inner product is bounded by the noisy inner product of Gaussian half-spaces of the same measures up to an error $\varepsilon( au)$, where $\varepsilon( au) o 0$ as $ au o 0$. It is natural to ask if the condition of low influences can be relaxed to the condition that the function has vanishing Fourier coefficients. Here we answer this question affirmatively and show furthermore that if two general functions $f$ and $g$ have a noisy inner product that surpasses that of the corresponding half-spaces, then the Fourier supports of their large coefficients intersect. The case of one function, $f=g$, of our result was proven earlier in an unpublished work by O'Donnell, Servedio, Tan and Wan (2010). Their proof is included in a recent exposition by Jones (2016).

연구 동기 및 목표

• 낮은 영향 조건을 초월하여 푸리에 계수가 0으로 수렴하는 함수로 Majority Is Stablest 정리가 일반화될 수 있는지 조사하는 것.
• 부울 함수의 노이즈가 섞인 내적 값이 가우시안 반공간의 값보다 초과하는 조건을 규명하는 것.
• 큰 푸리에 계수 지지집합의 겹침과 노이즈가 섞인 내적의 안정성 간의 연결 고리를 설정하는 것.

제안 방법

• 원래 Majority Is Stablest 증명에서 사용된 기법을 푸리에 계수가 0으로 수렴하는 함수 분석에 적응한다.
• 부울 함수와 가우시안 반공간 간의 노이즈 안정성 비교를 중심 분석 도구로 사용한다.
• 푸리에 분석 기법을 활용하여 노이즈가 섞인 내적 값이 가우시안 기준을 초과하는 함수의 구조를 특성화한다.
• 감소 추론 기법을 사용하여, 노이즈가 섞인 내적 값이 가우시안 기준을 초과할 경우 큰 계수의 지지집합이 반드시 겹쳐야 한다는 것을 보인다.
• 기존의 낮은 영향 함수에 대한 결과를 이중성과 지지집합 겹침 추론을 통해 확장한다.
• O'Donnell 등(2010)의 이전 비공개 연구를 바탕으로 하며, Jones(2016)의 기초적 배경 설명을 통합한다.

실험 결과

연구 질문

• RQ1 푸리에 계수가 0으로 수렴하는 함수에 대해서도 Majority Is Stablest 정리가 낮은 영향 조건을 만족하는 함수로 확장될 수 있는가?
• RQ2 두 부울 함수의 노이즈가 섞인 내적 값이 해당하는 가우시안 반공간의 값보다 초과하는 조건은 무엇인가?
• RQ3 두 함수의 노이즈가 섞인 내적 값이 가우시안 기준을 초과할 경우, 그들의 푸리에 계수 지지집합에 어떤 구조적 제약 조건이 발생하는가?
• RQ4 큰 푸리에 계수 지지집합의 겹침은 노이즈가 섞인 내적의 안정성과 어떻게 관련되는가?
• RQ5 낮은 영향 가정이 푸리에 계수의 값이 0으로 수렴하는 조건으로 대체될 경우 안정성 경계가 유지되는가?

주요 결과

• Majority Is Stablest 경계는 낮은 영향 함수 뿐 아니라 푸리에 계수가 0으로 수렴하는 함수에 대해서도 성립한다.
• 두 부울 함수의 노이즈가 섞인 내적 값이 해당하는 가우시안 반공간의 값보다 높을 경우, 그들 각각의 큰 푸리에 계수 지지집합이 반드시 겹쳐야 한다.
• O'Donnell, Servedio, Tan, Wan(2010)이 이전에 단일 함수(f = g)에 대해 확립한 결과를 일반화하여, 이제는 두 함수의 쌍으로 확장된 결과를 도출한다.
• 영향 매개변수의 값이 0으로 수렴함에 따라 안정성 경계의 오차 항이 사라지며, 이는 더 약한 푸리에 계수 값이 0으로 수렴하는 조건 하에서도 성립한다.
• 큰 푸리에 계수 지지집합의 겹침은 가우시안 노이즈가 섞인 내적 기준을 초과하는 데 필수 조건이다.
• 증명은 푸리에 지지집합 기하학과 노이즈 안정성 간의 구조적 연결 고리를 확립하며, Majority Is Stablest 프레임워크의 적용 범위를 넓힌다.