[論文レビュー] Bayesian Inference for Persistent Homology

Vasileios Maroulas, Farzana Nasrin+1 more|arXiv (Cornell University)|Jan 7, 2019

Topological and Geometric Data Analysis参考文献 53被引用数 4

ひとこと要約

本稿では、共役ガウス・ミクスチャ・プライアを用いたマーク付きポアソン点過程としての持続的ダイアグラムのモデル化により、ベイズ枠組みを提示し、マーク付き点過程理論を用いた事後分布推論を可能にする。本手法は、ベイズ因子を用いた材料科学分野の分類タスクを通じて実証され、持続的ホモロジーに対する最初の包括的ベイズ的取り扱いを提供する。

ABSTRACT

Persistence diagrams offer a way to summarize topological and geometric properties latent in datasets. While several methods have been developed that utilize persistence diagrams in statistical inference, a full Bayesian treatment remains absent. This paper, relying on the theory of point processes, lays the foundation for Bayesian inference with persistence diagrams. We model persistence diagrams as Poisson point processes with prior intensities and compute posterior intensities by adopting techniques from the theory of marked point processes. We then propose a family of conjugate prior intensities via Gaussian mixtures and proceed with a classification application in materials science using Bayes factors.

研究の動機と目的

• 持続的ダイアグラムに対する厳密なベイズ統計枠組みの構築を目的とし、これはトポロジカル・データ解析の主要なツールである。
• 持続的ホモロジーにおける統計的推論への応用が増加しているにもかかわらず、包括的ベイズ的取り扱いが欠如しているという問題に取り組む。
• 事後分布計算のための構造的プライア強度を有するマーク付きポアソン点過程として、持続的ダイアグラムをモデル化する。
• 解析的扱いが可能となるように、ガウス・ミクスチャを用いた共役プライア強度の族を提案する。
• 実世界の材料科学分野の分類タスクを通じて、ベイズ因子を用いてフレームワークを検証する。

提案手法

• 点がトップロジカル特徴（誕生・消失ペア）を表し、マークが特徴タイプを示す、マーク付きポアソン点過程として持続的ダイアグラムをモデル化する。
• ガウス・ミクスチャ・モデルを用いて、トポロジカル構造に関する事前信念を表現する、持続的ダイアグラム空間上のプライア強度を定義する。
• 十分統計量を介して観測データでプライア強度を更新することにより、マーク付き点過程理論を応用して事後強度を計算する。
• 解析的扱いが可能となるように、共役プライア（ガウス・ミクスチャ）を用い、MCMCを用いない正確な推論を可能にする。
• ガウス・ミクスチャ・プライアとポアソン過程尤度の共役性を活用して、事後強度関数の閉形式表現を導出する。
• 材料科学分野の分類タスクにおいて、モデル比較にベイズ因子を用い、異なるトポロジカル仮説の証拠を定量的に評価する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして持続的ダイアグラムを正式にベイズ統計枠組みに埋め込み、不確実性の定量化を可能にするか？
• RQ2 どのクラスのプライア分布が、共役的な事後更新と扱いやすさを可能にするか？
• RQ3 持続的ホモロジーに対するベイズ的アプローチは、実世界の科学的応用における分類性能を向上させることができるか？
• RQ4 事後強度から導出されるベイズ因子は、材料データにおけるトポロジカルパターンの区別に、古典的手法と比較してどのように異なるか？

主な発見

• 本稿では、マーク付きポアソン点過程を用いた、持続的ダイアグラムに対する包括的ベイズ推論フレームワークを成功裏に構築した。
• ガウス・ミクスチャ・プライアが、持続的ダイアグラム上のポアソン過程尤度と共役であることが示され、解析的事後分布計算が可能となった。
• 事後強度関数が閉形式で導出され、確率的近似を用いない正確な推論が可能となった。
• 本フレームワークは、材料科学データセットに適用され、事後強度に基づくベイズ因子が、異なる材料クラス間のトポロジカル差に強い証拠を提供した。
• 結果として、ベイズ的アプローチが、複雑なデータセットにおける不確実性の定量化とトポロジカルモデルの比較を、原則的かつ整合的に可能にすることが示された。