[논문 리뷰] Tropical Geometry and Piecewise-Linear Approximation of Curves and Surfaces on Weighted Lattices

Petros Maragos, Emmanouil Theodosis|arXiv (Cornell University)|2019. 12. 09.

Polynomial and algebraic computation참고 문헌 79인용 수 4

한 줄 요약

이 논문은 가중 치환 랏트라이스 위에서 일반화된 max-⋆ 대수를 도입하여 토로픽 기하학과 수학적 형태 분석을 통합하고, 형태 분석의 조정을 통해 곡선과 표면의 최적 조각별 선형 근사화를 가능하게 한다. max-덧셈 및 볼록 피팅을 위한 효율적인 알고리즘을 유도하며, max-플러스 및 미니멀-플러스 프레임워크를 임의의 분배 연산 ⋆로 확장한다.

ABSTRACT

Tropical Geometry and Mathematical Morphology share the same max-plus and min-plus semiring arithmetic and matrix algebra. In this chapter we summarize some of their main ideas and common (geometric and algebraic) structure, generalize and extend both of them using weighted lattices and a max-$\star$ algebra with an arbitrary binary operation $\star$ that distributes over max, and outline applications to geometry, machine learning, and optimization. Further, we generalize tropical geometrical objects using weighted lattices. Finally, we provide the optimal solution of max-$\star$ equations using morphological adjunctions that are projections on weighted lattices, and apply it to optimal piecewise-linear regression for fitting max-$\star$ tropical curves and surfaces to arbitrary data that constitute polygonal or polyhedral shape approximations. This also includes an efficient algorithm for solving the convex regression problem of data fitting with max-affine functions.

연구 동기 및 목표

• 공통의 max-플러스/미니멀-플러스 반군 산술과 랏트라이스 기반 대수를 통해 토로픽 기하학과 수학적 형태 분석을 통합한다.
• 가중 랏트라이스와 임의의 이진 연산 ⋣가 max에 대해 분배되는 일반화된 max-⋆ 대수를 사용하여 두 분야를 확장한다.
• 가중 랏트라이스 위에서의 형태 분석 조정을 통해 max-⋆ 방정식의 최적 해를 도출한다.
• 임의의 데이터에 대해 max-⋆ 토로픽 곡선과 표면의 최적 조각별 선형 회귀를 가능하게 하여 다각형 및 다면체 근사화를 생성한다.
• 일반화된 프레임워크를 활용해 max-아핀 함수를 사용한 볼록 회귀 문제를 효율적으로 해결하는 알고리즘을 제공한다.

제안 방법

• ⋆가 ∨에 대해 분배되는 완전 랏트라이스 (K, ∨, ∧, ⋆, ⋆′) 위에서 max-⋆ 대수를 정의하며, 이는 max-플러스 및 미니멀-플러스 산술을 일반화한다.
• 점별 연산을 통해 스칼라 연산을 도메인 E 위의 함수로 확장: (F ∨ G)(x) = F(x) ∨ G(x), (a ⋆ F)(x) = a ⋆ F(x).
• ⋆-이동 τ_a(F)(x) = a ⋆ F(x) 및 쌍대 ⋆′-이동 τ′_a(F)(x) = a ⋆′ F(x)를 도입하고, 이러한 연산에 대한 불변성을 정의한다.
• 팽창 δ 및 침식 ε 연산자를 각각 Δ⋆I 및 E⋆I로 정의하며, 커널 표현 H(x,y) = δ(q_y)(x) 및 H′(x,y) = ε(q′_y)(x)를 제공한다.
• 통합 표현을 유도: δ(F)(x) = ⋁_y H(x,y) ⋆ F(y) 및 ε(F)(x) = ⋀_y H′(x,y) ⋆′ F(y), 이는 컨볼루션 유사 연산을 일반화한다.
• 형태 분석 조정(역행성 쌍)을 사용하여 max-⋆ 방정식을 해결하고 데이터를 토로픽 곡선/표면에 투영함으로써 최적의 근사화를 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 일반화된 대수적 프레임워크를 통해 토로픽 기하학과 수학적 형태 분석을 체계적으로 통합할 수 있는가?
• RQ2 가중 랏트라이스는 max-플러스 및 미니멀-플러스 대수를 임의의 분배 연산 ⋆로 확장하는 데 어떤 역할을 하는가?
• RQ3 가중 랏트라이스 위에서 형태 분석 조정을 사용하여 곡선과 표면의 최적 조각별 선형 근사화를 어떻게 달성할 수 있는가?
• RQ4 이 프레임워크는 max-아핀 함수를 사용하여 볼록 회귀 문제를 효율적으로 해결할 수 있는가?
• RQ5 일반화된 max-⋆ 대수에서 팽창 및 침식 연산자의 구조는 무엇이며, 이는 최적의 데이터 근사화를 어떻게 가능하게 하는가?

주요 결과

• 논문은 공통 반군 및 랏트라이스 구조를 통해 토로픽 기하학과 수학적 형태 분석을 통합하는 일반화된 max-⋆ 대수를 가중 랏트라이스 위에 수립한다.
• 팽창 δ 및 침식 ε 연산자가 Δ⋆I 및 E⋆I에 대해 불변임은 그들의 커널 표현이 δ(F)(x) = ⋁_y H(x,y) ⋆ F(y) 및 ε(F)(x) = ⋀_y H′(x,y) ⋆′ F(y)를 만족할 때이고, 그에만 한정됨을 증명한다.
• 형태 분석 조정을 통해 max-⋆ 방정식의 최적 해를 도출하며, 이는 가중 랏트라이스 위의 투영으로 작용한다.
• 이 프레임워크는 임의의 데이터에 대해 max-⋆ 토로픽 곡선과 표면의 최적 조각별 선형 근사화를 가능하게 하며, 다각형 또는 다면체 근사화를 생성한다.
• 일반화된 대수적 구조를 활용해 max-아핀 함수를 사용한 볼록 회귀 문제를 효율적으로 해결하는 알고리즘을 제공한다.
• 이론은 로그-합-지수 근사 및 마소프 디퀀티제이션을 일반화하며, max-플러스 반군이 θ↓0에서 동형 반군 S_θ의 가족의 극한으로서 나타남을 보여준다.