[論文レビュー] Methods of Solving Ill-Posed Problems

Suresh B. Srinivasamurthy|arXiv (Cornell University)|May 24, 2012

Numerical methods in inverse problems被引用数 5

ひとこと要約

本稿では、不適切に設定された作用素方程式を解くための手法を提示・分析し、古典的正則化手法に対する優れた代替手段として動的システム法（DSM）の有効性を強調している。ノイズを含むデータのもとで収束性と誤差推定を確立し、不一致原理に基づく停止ルールを用いて、DSMがデータに摂動があっても安定かつ収束する解を生成することを証明している。収束速度は事前情報のソース条件に依存する。

ABSTRACT

Many physical problems can be formulated as operator equations of the form Au = f. If these operator equations are ill-posed, we then resort to finding the approximate solutions numerically. Ill-posed problems can be found in the fields of mathematical analysis, mathematical physics, geophysics, medicine, tomography, technology and ecology. The theory of ill-posed problems was developed in the 1960's by several mathematicians, mostly Soviet and American. In this report we review the methods of solving ill-posed problems and recent developments in this field. We review the variational regularization method, the method of quasi-solution, iterative regularization method and the dynamical systems method. We focus mainly on the dynamical systems method as it is found that the dynamical systems method is more efficient than the regularization procedure.

研究の動機と目的

• 不適切な問題を解くための既存手法（変分正則化、準解法、反復正則化、および動的システム法（DSM））をレビュー・比較すること。
• ノイズを含むデータ下での効率性と安定性の観点から、DSMが従来の正則化手法を上回ることを示すこと。
• DSMの収束フレームワークを厳密に確立し、不一致原理に基づく停止ルールと誤差推定を含めること。
• 解のソース型仮定のもとでDSMの収束速度を分析し、追加の滑らかさが与えられた場合に定量的に推定可能であることを示すこと。

提案手法

• 動的システム法（DSM）は、作用素方程式 $ Au = f $ を、$ \frac{du}{dt} = - (A^*A + \epsilon(t))u + A^*f $ という初期値問題に変換することで不適切な問題を解く。ここで $ \epsilon(t) \to 0 $ が $ t \to \infty $ のとき成り立つ。
• 時間 $ t = t_\delta $ で停止ルールを適用し、$ \|Au_\delta(t) - f_\delta\| = C\delta $ となるように選ぶ。ここで $ C > 1 $ であり、解がノイズのデータに対して許容誤差内に保たれることを保証する。
• スペクトル定理と優越収束定理を用いて、$ u_\delta(t) $ が真の解 $ y $ に収束することを証明し、$ \|u_\delta(t) - y\| \to 0 $ が $ \delta \to 0 $ のとき成り立つことを示した。
• 誤差は2つの部分に分解され、$ \|u_\delta(t) - u(t)\| \leq \frac{\delta}{2\sqrt{\epsilon(t)}} $ および $ \|u(t) - y\| = \eta(t) \to 0 $ であり、合計誤差の上限は $ \|u_\delta(t) - y\| \leq \frac{\delta}{2\sqrt{\epsilon(t)}} + \eta(t) $ となる。
• スケーリングパラメータ $ \epsilon(t) $ は $ \epsilon(t) = \frac{c_1}{(c_0 + t)^b} $ と選び、$ 0 < b < 1 $ とすることで、収束に十分な減衰を保証する。
• 解の分解 $ A = U|A| $ とスペクトル理論を用いて、解の逆作用素 $ [B + \epsilon I]^{-1} $ の境界を導出し、$ \|[B + \epsilon I]^{-1}A^*\| \leq \frac{1}{2\sqrt{\epsilon}} $ を証明した。

実験結果

リサーチクエスチョン

• RQ1 ノイズを含むデータ下で、動的システム法（DSM）は古典的正則化手法と比較して、どのように効率性と安定性に優れているか？
• RQ2 データにノイズが含まれる場合、DSMの最適な停止ルールは何か？ また、それが収束を保証する仕組みは？
• RQ3 解の事前情報のソース型仮定のもとで、DSMの収束速度を定量的に推定できるか？
• RQ4 パrameter $ \epsilon(t) $ の選択がDSMの収束挙動に与える役割は何か？ どのようにパラメータ化すべきか？
• RQ5 不一致原理はDSMにおいて、データ適合性と正則化のバランスをどのようにとるか？ どのような誤差上限をもたらすか？

主な発見

• データ $ f $ に摂動がある場合、$ f_\delta \perp N(A^*) $ を仮定すると、DSMは不適切な問題 $ Au = f $ に対して安定な解を生成し、$ \|u_\delta(t) - y\| \to 0 $ が $ \delta \to 0 $ のとき成り立つ。
• 誤差上限 $ \|u_\delta(t) - y\| \leq \frac{\delta}{2\sqrt{\epsilon(t)}} + \eta(t) $ が確立され、$ \eta(t) \to 0 $ が $ t \to \infty $ のとき成り立つ。これにより、適切な $ \epsilon(t) $ の減衰のもとで収束が保証される。
• 不一致原理は、$ \|Au_\delta(t) - f_\delta\| = C\delta $ かつ $ C > 1 $ となるように $ t_\delta $ を選ぶことで適用され、これにより有効な誤差推定が得られる。
• スペクトル理論と極分解を用いて、$ \|[B + \epsilon I]^{-1}A^*\| \leq \frac{1}{2\sqrt{\epsilon}} $ の境界が導出され、誤差伝搬解析に不可欠である。
• パラメータ $ \epsilon(t) = \frac{c_1}{(c_0 + t)^b} $ かつ $ 0 < b < 1 $ のとき、$ \eta(t) $ の収束は十分に遅いが可積分であり、停止ルールのもとで収束が可能である。
• ソース型仮定のもとで、$ \eta(t) $ の収束速度を推定可能であり、$ \frac{\delta}{2\sqrt{\epsilon(t)}} + \eta(t) $ を最小化する最適な停止ルールの構築が可能になる。