[논문 리뷰] Optimal Exploitation of Subspace Prior Information in Matrix Sensing.

Sajad Daei, Farzan Haddadi외 1명|arXiv (Cornell University)|2018. 09. 27.

Sparse and Compressive Sensing Techniques인용 수 4

한 줄 요약

이 논문은 행렬 감지에서 열 및 행 부분공간에 대한 사전 지식을 통합하는 가중 핵자연수 최소화 프레임워크를 제안한다. 이는 원뿔 적분 기하학을 통해 유도된 최적의 가중치를 사용하여 측정 수요를 감소시킨다. 제안된 방법은 표준 핵자연수 최소화보다 뚜렷한 성능 향상을 보이며, 정확한 저질서 행렬 복원을 위해 훨씬 적은 측정 수요를 필요로 한다.

ABSTRACT

Matrix sensing is the problem of reconstructing a low-rank matrix from a few linear measurements. In many applications such as collaborative filtering, the famous Netflix prize problem and seismic data interpolation, there exists some prior information about the column and row spaces of the true low rank matrix. In this paper, we exploit this prior information by proposing a weighted optimization problem where its objective function promotes both rank and prior subspace information. Using the recent results in conic integral geometry, we obtain the unique optimal weights that minimize the required number of measurements. As simulation results confirm, the proposed convex program with optimal weights substantially needs fewer measurements than the regular nuclear norm minimization.

연구 동기 및 목표

• 저질서 행렬 복원에서 행공간과 열공간에 대한 사전 지식이 제공될 때 측정 수요를 최소화하는 데 도전하는 것.
• 저질서와 알려진 부분공간과의 일치를 동시에 촉진하는 볼록 최적화 프레임워크를 개발하는 것.
• 필요한 측정 수를 최소화하는 목적 함수에 대한 유일한 최적 가중치를 유도하는 것.
• 모의 실험을 통해 제안된 방법이 표준 핵자연수 최소화 기법에 비해 측정 복잡도를 크게 감소시킴을 검증하는 것.

제안 방법

• 목적 함수가 핵자연수와 알려진 행공간 및 열공간에서의 편차를 모두 벌어지게 하는 가중 최적화 문제를 수립한다.
• 정확한 복원을 위해 필요한 측정 수를 최소화하는 데 유일한 최적 가중치를 분석적으로 도출하기 위해 원뿔 적분 기하학을 사용한다.
• 알려진 부분공간에 수직인 방향에 더 높은 가중치를 할당하여 최적화에 사전 부분공간 정보를 통합한다.
• 유도된 복잡도가 낮은 볼록 프로그램을 유지하면서도 제한된 측정 수에서 복원 성능을 향상시킨다.
• 유도된 최적 가중치를 가중 핵자연수 최소화 문제에 적용하여 강인성 향상과 측정 수요 감소를 도모한다.

실험 결과

연구 질문

• RQ1 사전 부분공간 정보가 제공될 때 정확한 저질서 행렬 복원을 위해 필요한 측정 수를 최소화하는 최적의 가중치 설정은 무엇인가?
• RQ2 표준 핵자연수 최소화 기법과 비교했을 때 사전 부분공간 지식을 통합하면 행렬 감지에서 측정 복잡도에 어떤 영향을 미치는가?
• RQ3 원뿔 적분 기하학을 사용하여 가중 행렬 감지의 최적 가중치를 분석적으로 도출할 수 있는가?
• RQ4 실제 응용에서 제안된 최적 가중치는 필요한 측정 수를 어느 정도 감소시키는가?

주요 결과

• 제안된 최적 가중치를 사용한 가중 행렬 감지 기법은 정확한 저질서 행렬 복원을 위해 표준 핵자연수 최소화 기법보다 훨씬 적은 측정 수를 필요로 한다.
• 최적 가중치는 원뿔 적분 기하학을 사용해 분석적으로 유도되어 최소 측정 수요를 보장한다.
• 모의 실험 결과는 제안된 방법이 측정 효율성 측면에서 표준 핵자연수 최소화 기법을 뚜렷이 능가함을 확인한다.
• 최적화 프레임워크에 사전 부분공간 정보를 통합함으로써 더 낮은 샘플링 비율에서도 복원 정확도가 향상된다.