[논문 리뷰] Random Sampling of Entire Functions of Exponential Type in Several Variables

Karlheinz Gröchenig, Richard F. Bass|arXiv (Cornell University)|2007. 06. 26.

Mathematical Approximation and Integration참고 문헌 28인용 수 6

한 줄 요약

이 논문은 다변수 밴드제한 함수의 랜덤 샘플링을 확률적 방법을 사용하여 조사한다. 무한대 영역인 ℝᵈ와 같은 비유계 영역에서 랜덤 집합에 대해 샘플링 부등식이 거의 확실히 실패하는 반면, 샘플 크기가 충분히 클 경우 밴드제한 함수의 컴팩트 부분집합에서 이 부등식이 극도로 높은 확률로 성립함을 보여준다. 이는 메트릭 엔트로피와 커버링 수 추정치를 사용하여 이격도 확률을 제한하는 데에 사용된다.

ABSTRACT

We consider the problem of random sampling for band-limited functions. When can a band-limited function $f$ be recovered from randomly chosen samples $f(x_j), j\in \mathbb{N}$? We estimate the probability that a sampling inequality of the form A\|f\|_2^2 \leq \sum_{j\in \mathbb{N}} |f(x_j)|^2 \leq B \|f\|_2^2 hold uniformly all functions $f\in L^2(\mathbb{R}^d)$ with supp $\hat{f} \subseteq [-1/2,1/2]^d$ or some subset of \bdl functions. In contrast to discrete models, the space of band-limited functions is infinite-dimensional and its functions "live" on the unbounded set $\mathbb{R}^d$. This fact raises new problems and leads to both negative and positive results. (a) With probability one, the sampling inequality fails for any reasonable definition of a random set on $\mathbb{R}^d$, e.g., for spatial Poisson processes or uniform distribution over disjoint cubes. (b) With overwhelming probability, the sampling inequality holds for certain compact subsets of the space of band-limited functions and for sufficiently large sampling size.

연구 동기 및 목표

• ℝᵈ에서의 랜덤 샘플링 집합이 밴드제한 함수에 대해 균일 샘플링 부등식을 만족할 확률을 결정하는 것.
• 다변수 밴드제한 함수 공간에서의 무한차원성과 비유계 영역 문제를 다루는 것.
• 랜덤 샘플링 집합이 높은 확률로 안정적인 복원을 가능하게 하는 조건을 설정하는 것.
• 일차원 또는 컴팩트 영역을 초월해 고차원 비컴팩트 영역으로의 확률적 샘플링 이론을 확장하는 것.
• 커버링 수와 농도 불등식을 사용하여 샘플링 부등식의 실패 확률에 대한 정량적 경계를 제공하는 것.

제안 방법

• 밴드제한 함수 공간에서 함수 클래스의 복잡도를 제어하기 위해 메트릭 엔트로피와 커버링 수 추정치를 사용한다.
• 함수 클래스 위에서 랜덤 과정의 최댓값을 제어하기 위해 이중 분해를 사용한 체이닝 추론을 적용한다.
• 서브-가우시안 과정에 대한 베르누이 타입 불등식을 사용하여 샘플링 이격도의 최댓값 꼬리 확률을 제한한다.
• 랜덤 과정 $ Y_j(f) = |f(x_j)|^2 - \mathbb{E}[|f(x_j)|^2] $ 를 도입하고, 함수 클래스의 유한한 ε-넷 위에서 그 최댓값을 분석한다.
• 해상도가 점차 증가하는 넷을 사용한 이중 수준 $ \ell $ 에서의 체이닝 구성으로 함수 클래스의 엔트로피를 제어한다.
• 엔트로피 적분을 통해 지수 꼬리 경계를 유도하고, 지수적으로 증가하는 척도에 대한 합에 대한 부등식을 적용하여 총 실패 확률을 제어한다.

실험 결과

연구 질문

• RQ1 스펙트럼이 $[-1/2, 1/2]^d$ 에 포함된 모든 밴드제한 함수에 대해 ℝᵈ에서의 랜덤 샘플링 집합이 균일 샘플링 부등식을 만족할 확률은 무엇인가?
• RQ2 비유계, 무한차원 함수 공간에서의 랜덤 샘플링 집합에 대해 안정적 샘플링을 고도로 높은 확률로 보장할 수 있는가?
• RQ3 샘플 수가 증가함에 따라 샘플링 부등식의 실패 확률은 어떻게 감소하는가?
• RQ4 커버링 수와 메트릭 엔트로피는 다변수 밴드제한 공간에서의 랜덤 샘플링 안정성을 정량화하는 데 어떤 역할을 하는가?
• RQ5 확률적 방법은 고차원 샘플링 이론에서 결정적 특성의 부재를 극복할 수 있는가?

주요 결과

• 합리적인 랜덤 집합 모델(예: 포아송 과정 또는 서로소 큐브 위의 균일 샘플링 등)을 사용할 경우, ℝᵈ에서 샘플링 부등식은 거의 확실히 실패한다.
• 샘플 크기가 충분히 클 경우, 밴드제한 함수 공간의 컴팩트 부분집합에서 샘플링 부등식은 극도로 높은 확률로 성립한다.
• 실패 확률은 샘플 수에 대해 지수적으로 감소하며, 비율은 $ \exp\left(-C \frac{\lambda^2}{r R^{-d} + \lambda}\right) $ 에 비례한다. 여기서 $ r $ 은 샘플 수이다.
• 꼬리 경계의 지수는 $ \approx 0.0393 $ 이상으로 하한이 존재하며, 이는 $ \sqrt{2}/36 $ 에서 유도된다. 이는 비자명한 감소율을 나타낸다.
• 꼬리 경계의 상수 $ A $ 는 $ \exp(C R^d) $ 의 속도로만 증가하므로 도메인 크기와 차원의 영향을 반영한다.
• 충분히 큰 $ \lambda $ 에 대해 실패 확률은 $ \exp(-c \lambda^2 / (r R^{-d} + \lambda)) $ 의 형태로 감소하는 항으로 유계화되며, 이는 고확률 안정성을 보장한다.