[論文レビュー] Hermite interpolation and data processing errors on Riemannian matrix manifolds

Ralf Zimmermann|arXiv (Cornell University)|Aug 16, 2019

Statistical and numerical algorithms参考文献 36被引用数 18

ひとこと要約

本稿では、リーマン多様体上のヘルメートル補間法を、指数写像と対数写像のみを用いて、スタイーベル多様体などのリーマン多様体に対して初めて提案する。この手法は、ユークリッド空間におけるヘリテージ補間と直接的な類似性を有し、計算コストを低減している。また、断面曲率に関連する一般化された誤差境界を導出し、特異値分解（SVD）やQR分解といった直交行列因子分解の数値実験により検証されている。

ABSTRACT

The main contribution of this paper is twofold: On the one hand, a general framework for performing Hermite interpolation on Riemannian manifolds is presented. The method is applicable, if algorithms for the associated Riemannian exponential and logarithm mappings are available. This includes many of the matrix manifolds that arise in practical Riemannian computing application such as data analysis and signal processing, computer vision and image processing, structured matrix optimization problems and model reduction. On the other hand, we expose a natural relation between data processing errors and the sectional curvature of the manifold in question. This provides general error bounds for manifold data processing methods that rely on Riemannian normal coordinates. Numerical experiments are conducted for the compact Stiefel manifold of rectangular column-orthogonal matrices. As use cases, we compute Hermite interpolation curves for orthogonal matrix factorizations such as the singular value decomposition and the QR-decomposition.

研究の動機と目的

• 特殊な幾何的構造を必要としない、一般化された計算効率の良いリーマン多様体用ヘルメートル補間フレームワークの開発。
• データ処理誤差と基盤となる多様体の断面曲率との間の理論的関係の確立。
• 直交行列因子分解に関連する、スタイーベル多様体などの行列多様体における実用的ヘリテージ補間の実現。
• リーマン多様体の法座標に依存するデータ処理手法の誤差境界の提供。
• SVDやQR分解を用いた例として、スタイーベル多様体上での数値実験を通じて、手法の有効性の提示。

提案手法

• リーマン多様体上でのヘルメートル補間を、離散的時間点における多様体上の点と接ベクトルを用いたC1曲線適合問題として定式化する。
• リーマン多様体の指数写像と対数写像を用いて、法座標系における局所的補間曲線を構築し、C1連続性を保証する。
• パラメータ空間で古典的な3次ヘルメートル基底関数を用い、リーマン多様体の指数写像にマッピングすることで、必要な指数・対数写像評価回数を最小限に抑える。
• 直交行列を扱うコンactスタイーベル多様体St(n,r)にこの手法を適用し、指数写像および対数写像のための効率的な数値アルゴリズムを用いる。
• データ処理誤差と多様体の断面曲率との関係を用いて、一般化された誤差境界を導出する。特に、法座標に基づく手法に対して有効である。
• 行列微分法およびアルゴリズム的微分法を用いてQR分解およびSVD分解を微分することで、手法を直交行列因子分解に適応する。

実験結果

リサーチクエスチョン

• RQ1 リーマン多様体上でのヘルメートル補間は、計算効率を確保しつつ、ユークリッド空間におけるヘルメートル補間と類似する形でどのように定式化できるか？
• RQ2 法座標に基づく手法において、データ処理誤差と多様体の幾何的曲率の間には、本質的な関係があるか？
• RQ3 リー群や対称空間の構造を必要としない状況でも、提案手法はスタイーベル多様体などの行列多様体上で効率的に実装可能か？
• RQ4 スタイーベル多様体の曲率特性は、法座標を用いたヘルメートル補間の精度にどのように影響を与えるか？
• RQ5 SVDやQR分解のような直交行列因子分解に適用した場合、この手法の計算的・数値的性能特性はどのようなものか？

主な発見

• 提案手法は、既存手法と比較して、リーマン多様体指数写像および対数写像の評価回数を減らすことで、より低い計算コストを達成している。
• 指数写像および対数写像のための効率的なアルゴリズムが利用可能な限り、本手法は任意のリーマン多様体に適用可能である。
• データ処理誤差と多様体の断面曲率との間の理論的関係を確立し、法座標に基づく手法に対して一般化された誤差境界を導出した。
• スタイーベル多様体上での数値実験により、SVDやQR分解を含む直交行列因子分解において、高精度なヘルメートル補間が実現された。
• 異なる法座標中心を用いた場合でも、補間曲線の非対称性が無視できるほど小さいため、C1連続な補間曲線が正確に計算可能である。
• 行列微分アルゴリズムを用いることで、QR分解およびSVD分解の導関数が効率的に計算可能となり、動的行列因子分解問題への応用が可能となった。