[논문 리뷰] On the expected moments between two identical random processes with application to sensor network

Rafał Kapelko|arXiv (Cornell University)|2017. 05. 24.

Stochastic processes and statistical mechanics인용 수 7

한 줄 요약

이 논문은 두 개의 동일하고 독립적인 일반적인 랜덤 과정 간의 기대 $ L^b $-거리에 대한 폐쇄형 점근적 공식을 유도하며, $ b \geq 2 $ 에서는 $ \mathbf{E}[|X_k - Y_k|^b] = \Theta(k^{b/2}/\lambda^b) $ 이고, $ 0 < b < 2 $ 에서는 $ O(k^{b/2}/\lambda^b) $ 임을 보여준다. 이 결과는 이전의 포아송 과정에 대한 연구를 일반화하며, 센서 네트워크에 적용되어 최적의 운반 비용이 $ b \geq 2 $ 일 때 $ \Theta(n^{b/2 + 1}/\lambda^b) $ 의 비율로 증가하고, 그 외의 경우 $ O(n^{b/2 + 1}/\lambda^b) $ 로 증가함을 증명한다.

ABSTRACT

We give a closed analytical formula for expected distance to the power $a$ between two identical general random processes, when $a$ is an even positive number. As an application to sensor network we prove that the optimal transportation cost to the power $b&gt;0$ of the maximal random bicolored matching with edges $\\{X_k,Y_k\\}$ is in $\\frac{\\Theta\\left(n^{\\frac{b}{2}+1}\ ight)}{{\\lambda}^b}$ when $b \\ge 2,$ and in $\\frac{O\\left(n^{\\frac{b}{2}+1}\ ight)}{{\\lambda}^b}$ when $0&lt; b &lt; 2.$

연구 동기 및 목표

• 포아송 과정에 대한 두 과정 간 기대 절대 차이에 대한 이전 결과를 일반적인 i.i.d. 랜덤 과정과 임의의 분포로 일반화하기 위해.
• 특정 분포(예: 감마 분포)에 의존하지 않고도 임의의 $ b > 0 $ 에 대해 $ \mathbf{E}[|X_k - Y_k|^b] $ 의 폐쇄형 점근적 표현을 유도하기 위해.
• 일반적인 랜덤 과정 모델 하에서 센서 네트워크의 최적 운반 비용을 위한 최대 이색 매칭을 확립하기 위해.
• 이전 연구에서 제기된, 동일한 과정에서의 간격 시간 차이의 고차 모멘트에 대한 열린 문제를 해결하기 위해.

제안 방법

• 짝수 정수 $ a $ 에 대해 $ \mathbf{E}[|X_k - Y_k|^a] $ 를 전개하기 위해 다항정리(이항정리)를 사용하며, 가정 1에서 제시된 독립성과 모멘트 조건을 활용한다.
• 홀수 모멘트 $ \xi_i - \tau_i $ 가 0이 되는 핵심 관찰을 적용: $ \mathbf{E}[(\xi_i - \tau_i)^{2d+1}] = 0 $ 이며, 이는 전개를 단순화시킨다.
• 전개에서 주요 항으로서 $ \frac{a! \cdot \mathrm{Var}[\xi_1]^{a/2}}{(a/2)!} \cdot \frac{k^{a/2}}{\lambda^a} $ 를 식별하며, 저차항은 $ O(k^{a/2 - 1}/\lambda^a) $ 로 유계화된다.
• 정수 지수 $ a $ 에서 실수 지수 $ b > 0 $ 로 결과를 확장하기 위해 젠센 부등식(Jensen's inequality)을 적용하여 비정수 $ b $ 에 대한 일반화를 가능하게 한다.
• 유도된 모멘트 유계를 센서 네트워크 매칭 문제에 적용하여, 최적의 매칭이 총 기대 비용을 최소화하는 방식으로 $ X_k $ 와 $ Y_k $ 를 쌍지어 pairing 함을 증명한다.
• 총 운반 비용의 최종 스케일링을 유도하기 위해 항등식 $ \sum_{k=1}^n k^{b/2} = \Theta(n^{b/2 + 1}) $ 을 사용한다.

실험 결과

연구 질문

• RQ1 특정 경우인 감마 분포를 가지는 간격 시간 외에 일반적인 i.i.d. 랜덤 과정에 대해 $ b > 0 $ 일 때 $ \mathbf{E}[|X_k - Y_k|^b] $ 의 점근적 행동은 어떻게 되는가?
• RQ2 특정 분포를 가정하지 않고도 두 동일한 랜덤 과정 간의 거리의 $ b $-번째 모멘트에 대한 폐쇄형 점근적 공식을 도출할 수 있는가?
• RQ3 일반적인 랜덤 과정으로 센서가 배치된 센서 네트워크에서 최적의 이색 매칭에 대한 기대 운반 비용은 어떻게 스케일링되는가?
• RQ4 최적 매칭 비용은 강도 파라미터 $ \lambda $ 와 지수 $ b $ 에 따라 어떻게 의존하는가?

주요 결과

• 짝수 정수 $ a $ 에 대해 $ \mathbf{E}[|X_k - Y_k|^a] = \frac{a! \cdot \mathrm{Var}[\xi_1]^{a/2}}{(a/2)!} \cdot \frac{k^{a/2}}{\lambda^a} + O(k^{a/2 - 1}/\lambda^a) $ 로서 정밀한 점근적 공식을 제공한다.
• 실수 $ b \geq 2 $ 에 대해 $ \mathbf{E}[|X_k - Y_k|^b] = \Theta(k^{b/2}/\lambda^b) $ 이고, $ 0 < b < 2 $ 에서는 $ O(k^{b/2}/\lambda^b) $ 로 확장된다.
• 센서 네트워크에서 최적의 매칭은 $ X_k $ 와 $ Y_k $ 를 쌍지어 총 기대 $ b $-승 운반 비용을 최소화한다.
• 총 기대 비용은 $ b \geq 2 $ 일 때 $ \Theta(n^{b/2 + 1}/\lambda^b) $ 의 비율로 스케일링되고, $ 0 < b < 2 $ 일 때는 $ O(n^{b/2 + 1}/\lambda^b) $ 로 스케일링된다.
• 특정 밀도 함수(예: 감마 분포)에 의존하지 않아서, 모멘트와 독립성 조건을 만족하는 광범위한 분포 클래스에 적용 가능한 결과가 된다.