[논문 리뷰] Variable Total Variation Regularization for Backward Time-Space Fractional Diffusion Problem

Junxiong Jia, Jigen Peng외 2명|arXiv (Cornell University)|2016. 01. 16.

Fractional Differential Equations Solutions참고 문헌 20인용 수 3

한 줄 요약

이 논문은 소음이 있는 최종 시간 측정값으로부터 初기 데이터를 복원하기 위해 푸리에 도메인 최적화를 사용하는 가변 총 변동성(TV) 정규화 방법을 제안한다. 이 방법은 잘 정의된 문제성을 확보하기 위해 분수계 반군 이론과 적응형으로 정규화 항을 업데이트하는 수정된 브레그만 반복 알고리즘을 결합하며, 수렴성과 매개변수 선택 전략이 입증된 바에 따라 경계 유지 및 스타일링 감소를 달성한다. 수치 실험에서 표준 티코노프 및 TV 모델보다 뛰어난 성능을 보였다.

ABSTRACT

In this paper, we consider a backward problem for a time-space fractional diffusion process. For this problem, we propose to construct the initial data by minimizing data residual error in fourier space domain and variable total variation (TV) regularizing term which can protect the edges as TV regularizing term and reduce staircasing effect. The well-posedness of this optimization problem is studied under a very general setting. Actually, we write the time-space fractional diffusion equation as an abstract fractional differential equation and get our results by using fractional semigroup theory, so our results can be applied to other backward problems for more general fractional differential equations. Then a modified Bregman iterative algorithm is proposed to approximate the minimizer. The new features of this algorithm is that the regularizing term changed in each step and we need not to solve the complexed Euler-Lagrange equations of variable TV regularizing term (just need to solve a simpler Euler-Lagrange equations). The convergence of this algorithm and the strategy of choosing parameters are also obtained. Numerical implementations are given to support our analysis to show the flexibility of our minimization model.

연구 동기 및 목표

• 소음이 있는 최종 시간 데이터를 가진 시간-공간 분수계 확산 방정식에 대한 악조건 문제를 해결하기 위해.
• 경계를 유지하고 전형적인 총 변동성 정규화에서 흔히 발생하는 스타일링 효과를 줄이는 유연한 정규화 모델을 개발하기 위해.
• 일반적인 분수계 연산자를 위한 분수계 반군 이론을 사용하여 최적화 문제의 잘 정의됨을 확립하기 위해.
• 복잡한 오일러-라그랑주 방정식을 풀지 않고도 매 단계에서 정규화 항을 업데이트함으로써 복잡한 해를 피하는 효율적인 반복 알고리즘을 설계하기 위해.
• 수치적 방법으로 방법을 검증하고 불연속적인 初기 데이터를 복원하는 데 있어 티코노프 및 표준 TV 정규화보다 뛰어난 성능을 입증하기 위해.

제안 방법

• 푸리에 도메인에서 데이터 잔차 오차를 최소화하는 방식으로 뒤집힌 문제를 설정하고, 가변 총 변동성(TV) 정규화 항을 포함한다.
• 분수계 반군 이론을 사용하여 시간-공간 분수계 확산 방정식을 추상적 분수계 미분 방정식으로 재기반한다.
• 각 단계에서 가변 TV의 복잡한 오일러-라그랑주 방정식을 풀지 않기 위해, 적응형 정규화 매개변수 업데이트를 사용하는 브레그만 반복 방법을 적용한다.
• 잔차 감쇠 기반의 정지 기준을 사용하여 반복 횟수를 제어하고 과적합을 방지한다.
• 정규화 항을 반복적으로 업데이트하는 수정된 브레그만 알고리즘을 활용하여, 보조 문제의 해를 단순한 오일러-라그랑주 방정식으로 단순화한다.
• 다양한 노이즈 수준과 분수계 수치를 가진 시뮬레이션 예제를 바탕으로 방법을 수치적으로 검증한다.

실험 결과

연구 질문

• RQ1 가변 총 변동성 정규화는 뒤집힌 시간-공간 분수계 확산 문제에 효과적으로 적용되어 경계 복원 성능을 향상시키고 스타일링을 줄일 수 있는가?
• RQ2 일반적인 분수계 연산자 설정 하에서 제안된 최적화 모델의 이론적 잘 정의됨은 어떠한가?
• RQ3 수정된 브레그만 반복 알고리즘은 복잡한 오일러-라그랑주 방정식을 풀지 않으면서도 수렴성을 보장하는가?
• RQ4 분수계 수치 α가 악조건 정도에 미치는 영향은 무엇이며, α=1에서 불연속적 행동을 보이는가?
• RQ5 가변 TV 모델은 불연속적인 初기 데이터 복원에서 티코노프 및 표준 TV 정규화와 비교해 정량적으로 어떻게 성능을 발휘하는가?

주요 결과

• 예제 2에서 σ=0.0005일 때 제안된 가변 TV 모델은 상대 오차 13.0666%를 달성하였으며, 이는 티코노프(13.7772%) 및 표준 TV(13.0053%) 모델보다 뛰어난 성능을 보였다.
• σ=0.005일 때 가변 TV 모델은 상대 오차 22.7810%를 기록하였으며, 티코노프(25.2101%) 및 표준 TV(22.7222%) 모델보다 약간 우수하였다.
• 수치적 검증을 통해 이론적 예측이 확인되었다: λ=10¹¹일 때 M=10; λ=1/4×10¹¹ 및 λ=1/16×10¹¹일 때 각각 M=38 및 167로 이론적 기대와 매우 유사하게 일치하였다.
• 분수계 수치 α가 1에 수렴함에 따라 악조건 정도는 연속적으로 감소하지만, α=1에서 급격히 증가하여 악조건 정도 행동의 불연속성을 나타낸다.
• 이 방법은 매끄러운 初기 데이터에서는 티코노프 정규화와 유사하게 작동하고, 조각별 상수 데이터에서는 TV 정규화와 유사하게 작동하여 적응형 유연성을 보였다.
• 그림 6은 α=0.99일 때조차도 α=1보다 훨씬 덜 악조건적인 것으로 나타내어, α<1인 분수계 모델이 정수계 대비 본질적으로 덜 악조건임을 시사한다.