[論文レビュー] Bounds for the sampling discretization error and their applications to the universal sampling discretization

Egor D. Kosov, Vladimir Temlyakov|arXiv (Cornell University)|Dec 9, 2023

Mathematical Approximation and Integration被引用数 4

ひとこと要約

本稿では、連続関数の関数クラスにおける $L_p$-ノルムのサンプリング離散化誤差の一般化された上限を、チェイニング技法とエントロピー数を用いて、一様ノルムにおいて確立する。多変数関数の混合滑らかさを持つ関数クラスに対する新しい誤差推定を導出し、ユニバーサル・サンプリング離散化および最適なサンプリング回復に応用することで、制御された近似誤差を持つ回復アルゴリズムの理論的保証を提供する。

ABSTRACT

In the first part of the paper we study absolute error of sampling discretization of the integral $L_p$-norm for function classes of continuous functions. We use basic approaches from chaining technique to provide general upper bounds for the error of sampling discretization of the $L_p$-norm on a given function class in terms of entropy numbers in the uniform norm of this class. As an example we apply these general results to obtain new error bounds for sampling discretization of the $L_p$-norms on classes of multivariate functions with mixed smoothness. In the second part of the paper we apply our general bounds to study the problem of universal sampling discretization.

研究の動機と目的

• 関数クラスの連続関数における $L_p$-ノルムのサンプリング離散化誤差に対する一般化された上界を導出すること。
• 離散化誤差と一様ノルムにおけるエントロピー数との間の関係を確立すること。
• 得られた結果を、混合滑らかさを持つ関数クラスのためのユニバーサル・サンプリング離散化および最適なサンプリング回復に応用すること。
• 制御された近似誤差を持つ効率的なサンプリング回復アルゴリズムの理論的基盤を提供すること。
• WCGA などのグリーディアルゴリズムが、理論的保証のもとで実用的な回復にどの程度効果的であるかを示すこと。

提案手法

• チェイニング技法を用いて、関数クラスの一様ノルムにおけるエントロピー数の観点から、サンプリング離散化誤差の上限を導出する。
• 一般化された抽象的境界を導出し、$er_m(W, L_p)$ を $p$ に依存する指数でべき乗されたスケーリング済みエントロピー数の和に結びつける。
• 一般化された境界を、多変数周期関数の混合滑らかさを持つ特定の関数クラス $\mathbf{W}^r_q$ および $\mathbf{H}^r_q$ に適用する。
• 部分空間の集合に対する $L_p$-ユニバーサル・サンプリング離散化の概念を導入することで、ユニバーサル・サンプリング離散化を分析する。
• 弱いチビシェフ・グリーディー・アルゴリズム（WCGA）を用いて、理論的誤差境界を伴う実用的な回復手法を構築する。
• 片側ユニバーサル離散化を活用し、サンプリング点における $\ell_p$-ノルムへの射影による回復の誤差境界を確立する。

実験結果

リサーチクエスチョン

• RQ1 関数クラスのエントロピー数を用いて、$L_p$-ノルムのサンプリング離散化誤差をどのように上限づけることができるか？
• RQ2 $p \geq 2$ の $L_p$-ノルムにおいて、エントロピー数の減少率とそれによる離散化誤差の関係は何か？
• RQ3 離散化誤差の一般化された境界を、混合滑らかさを持つ多変数関数クラスに適用可能か？
• RQ4 有限次元部分空間の集合に対する $L_p$-ノルムにおけるユニバーサル・サンプリング離散化の理論的保証は何か？
• RQ5 WCGA などのグリーディアルゴリズムは、最小限の計算コストで最適なサンプリング回復を達成するためにどの程度効果的か？

主な発見

• すべての $p \in [2, \infty)$ に対して、$\varepsilon_n(W, L_\infty) \leq B n^{-r} [\log(n+1)]^b$ かつ $r \in (0, 1/2]$ のとき、$er_m(W, L_p) \leq C m^{-r} [\log(m+1)]^b$ が成り立ち、ここで $C$ は $B, M, r, b, p$ に依存する。
• 臨界ケース $r = 1/2$ では、誤差境界は $er_m(W, L_p) \leq C m^{-1/2} [\log(m+1)]^{b+1}$ に変化し、対応する対数的ペナルティが反映される。
• すべての $p \in [1, \infty)$ に対して、一般化された境界 $er_m(W, L_p) \leq C p^2 M^{\max\{p/2, p-1\}} m^{-1/2} \sum_{n=0}^m (n+1)^{-1/2} \varepsilon_n(W, L_\infty)^{\min\{2,p\}/2}$ が成り立ち、統一的なフレームワークを提供する。
• $\mathbf{W}^r_q$ および $\mathbf{H}^r_q$ の関数クラスでは、エントロピー数が $n^{-r} [\log n]^b$ のように減少し、これにより一致する離散化誤差率が得られる。
• WCGA を用いた回復アルゴリズムは、$k \sim v \ln(2v)$ 回の反復で誤差境界 $\|f - f_k\|_p \leq C D \sigma_v(f, \mathcal{D}_N)_\infty$ を達成し、計算の効率性を保証する。
• 片側ユニバーサル離散化を介して、理論的回復誤差境界が確立され、良好なサンプリング点が安定的かつ正確な回復をもたらすことが示された。