[논문 리뷰] Stochastic filtering via L2 projection on mixture manifolds with computer algorithms and numerical examples

John Armstrong, Damiano Brigo|arXiv (Cornell University)|2013. 03. 25.

Stochastic processes and financial applications참고 문헌 43인용 수 12

한 줄 요약

이 논문은 비선형 확률적 필터링을 위한 혼합 다양체 위의 L² 투영 필터를 제안하며, 투영 과정에서 직접적인 L² 거리 척도를 사용하여 커셔-스트라토니비치 SPDE를 정규 혼합의 유한차원 가족에 투영한다. 실험 결과, 동일한 수의 매개변수를 가진 입자 방법과 비교해 유사하거나 더 높은 정확도를 확보하였고, 다항식 시스템에서는 해링턴 기반의 지수가족 필터보다 계산 효율성이 뛰어나며, 해석적으로 다루기 쉬운 특성을 보였다.

ABSTRACT

We examine some differential geometric approaches to finding approximate solutions to the continuous time nonlinear filtering problem. Our primary focus is a new projection method for the optimal filter infinite dimensional Stochastic Partial Differential Equation (SPDE), based on the direct L2 metric and on a family of normal mixtures. We compare this method to earlier projection methods based on the Hellinger distance/Fisher metric and exponential families, and we compare the L2 mixture projection filter with a particle method with the same number of parameters, using the Levy metric. We prove that for a simple choice of the mixture manifold the L2 mixture projection filter coincides with a Galerkin method, whereas for more general mixture manifolds the equivalence does not hold and the L2 mixture filter is more general. We study particular systems that may illustrate the advantages of this new filter over other algorithms when comparing outputs with the optimal filter. We finally consider a specific software design that is suited for a numerically efficient implementation of this filter and provide numerical examples.

연구 동기 및 목표

• 연속 시간 비선형 필터링 문제에 대해 수치적으로 효율적이고 정확한 근사 방법을 개발하기 위해.
• 이전의 투영 필터에서 사용된 헬링턴 거리/피셔 메트릭스 대신 혼합 가족에 대한 직접적인 L² 거리 척도를 사용하는 것을 탐색하기 위해.
• 레비 거리 척도를 사용하여 L² 혼합 필터의 성능을 입자 방법 및 헬링턴 기반 지수가족 필터와 비교하기 위해.
• L² 혼합 투영 필터의 효율적 구현을 가능하게 하는 소프트웨어 아키텍처를 설계하기 위해.
• L² 투영 필터와 갈레르킨 방법 사이의 이론적 및 수치적 연결 고리를 설정하기 위해.

제안 방법

• L² 공간 내의 L² 내적 구조를 활용하여, 무한차원 커셔-스트라토니비치 SPDE를 정규 혼합의 유한차원 다양체에 투영하는 방법을 사용한다.
• SPDE의 스토케스틱 벡터장이 혼합 다양체의 탄젠트 공간에 투영되어, 혼합 매개변수에 대한 유한차원 SDE로 필터가 유도된다.
• 정규 혼합의 경우, 혼합 가족이 단순할 경우 L² 투영 필터가 갈레르킨 방법과 일치하지만, 더 풍부한 혼합 가족에서는 더 일반적인 형태를 취한다.
• 수치적 구현은 다항계수를 가진 경우 전이 밀도와 모멘트를 분석적으로 계산할 수 있도록 설계된 소프트웨어 아키텍처를 사용한다.
• 성능 평가에는 필터 출력 분포가 최적 필터 및 입자 방법과 비교될 수 있도록 레비 거리 척도를 사용한다.
• 다항식의 드리프트 및 관측 계수에 대해 분석적 적분을 활용하여, 몬테카를로 기반 입자 필터보다 더 빠른 계산을 가능하게 한다.

실험 결과

연구 질문

• RQ1 혼합 다양체 위의 L² 투영 필터는 비선형 필터링에서 입자 필터보다 더 정확하고 계산 효율성이 뛰어난 대안이 될 수 있는가?
• RQ2 특히 레비 잔차와 해석 가능성 측면에서 L² 혼합 필터는 헬링턴 기반 지수 필터보다 정확도가 높은가?
• RQ3 L² 혼합 필터가 갈레르킨 방법으로 줄어드는 조건은 무엇이며, 어떤 방식으로 더 일반적인가?
• RQ4 레비 거리 척도로 측정했을 때, 입자 방법보다 더 적은 매개변수로도 L² 혼합 필터가 높은 정확도를 달성할 수 있는가?
• RQ5 실제 응용을 위해 L² 혼합 투영 필터의 효율적이고 안정적인 수치적 구현을 지원하는 소프트웨어 아키텍처는 무엇인가?

주요 결과

• 레비 거리 척도로 측정했을 때, 동일한 수의 매개변수를 가진 입자 방법과 비교해 L² 정규 혼합 투영 필터는 유사하거나 더 높은 정확도를 확보하였으며, 테스트 사례에서 최고의 3입자 방법보다도 뛰어난 성능을 보였다.
• 다항식 계수를 가진 시스템에서는 L² 혼합 필터에서 요구되는 모든 적분을 분석적으로 계산할 수 있어, 몬테카를로 기반 입자 필터보다 더 빠르고 안정적인 계산이 가능했다.
• L² 혼합 필터는 매우 기본적인 혼합 가족에서는 갈레르킨 방법과 일치하지만, 더 일반적인 혼합 가족에서는 엄밀히 더 일반적이고 융통성이 있다.
• 선형, 이차, 삼차 센서를 포함한 테스트 케이스 전반에서 L² 혼합 필터는 낮은 레비 잔차를 유지하여 강건성과 정확성을 입증하였다.
• 소프트웨어 설계는 혼합 성분의 구조화된 매개변수화와 분석적 모멘트 계산을 활용하여 효율적인 구현을 가능하게 하였다.
• 동일한 수의 매개변수를 사용했을 때, 레비 잔차 측면에서 L² 혼합 필터는 입자 필터보다 뚜렷이 뛰어난 성능을 보여, 더 우수한 근사 품질을 확보함을 시사한다.