[論文レビュー] Metric on Nonlinear Dynamical Systems with Perron-Frobenius Operators

Isao Ishikawa, Keisuke Fujii+3 more|arXiv (Cornell University)|May 31, 2018

Morphological variations and asymmetry被引用数 12

ひとこと要約

本稿では、再帰的核ヒルバート空間（RKHS）におけるペロン＝フロベニウス作用素を用いた、非線形力学系を比較する一般化された指標を提案する。この手法は、主な角度とクープマン作用素理論に基づく既存の指標を一般化し、有限の時系列データからの非線形力学系の効果的な比較と分類を可能にし、特にガウスカーネルと2次指標を用いた場合、合成的および実世界のデータセットで先行手法を上回る性能を示す。

ABSTRACT

The development of a metric for structural data is a long-term problem in pattern recognition and machine learning. In this paper, we develop a general metric for comparing nonlinear dynamical systems that is defined with Perron-Frobenius operators in reproducing kernel Hilbert spaces. Our metric includes the existing fundamental metrics for dynamical systems, which are basically defined with principal angles between some appropriately-chosen subspaces, as its special cases. We also describe the estimation of our metric from finite data. We empirically illustrate our metric with an example of rotation dynamics in a unit disk in a complex plane, and evaluate the performance with real-world time-series data.

研究の動機と目的

• 既存の部分空間に基づく指標を拡張する、非線形力学系（NLDS）を比較する一般的で原理的根拠のある指標の開発を目的とする。
• RKHSにおけるクープマン作用素理論を用いて、非線形力学系の比較をペロン＝フロベニウス作用素によって形式化し、非線形系に対してカーネル法を適用可能にする。
• 有限の時系列観測から提案指標のデータ駆動的推定手順を提供することを目的とする。
• UCRアーカイブの実世界時系列データを用いた、合成的回転力学系と実世界時系列データにおける指標の識別性能の実証的検証を目的とする。

提案手法

• 本手法は、RKHSにおけるクープマン作用素に関連するペロン＝フロベニウス作用素に基づく指標を定義し、クープマン力学の線形構造を活用する。
• カーネル誘導特徴マップを用いて非線形観測量をヒルバート空間に埋め込み、非線形系に対しても線形代数的演算を可能にする。
• クープマンモードが張る部分空間間の主な角度を用いて指標を構築し、マーティンの指標やビネット＝カシニのカーネルを特別な場合として含む一般化された定式化を採用する。
• 有限標本における推定は、カーネルベースの手法を用いてクープマン作用素を近似し、カーネル行列を用いて距離を計算することで達成される。
• 2種類の指標バリアント、$A_{g1}$ と $A_{g2}$ を導入し、$A_{g2}$ はガウスカーネルを用いて優れた性能を示した。
• 時系列遅れ埋め込みを用いて、1次元時系列をカーネルベース解析に適した高次元表現に拡張する。

実験結果

リサーチクエスチョン

• RQ1 RKHSにおけるクープマン作用素理論を用いて、既存の部分空間ベースの指標を統一する一般化された非線形力学系の指標を定式化できるか？
• RQ2 RKHSにおけるペロン＝フロベニウス作用素を用いて、有限データからの非線形力学系の比較に安定的かつ推定可能な指標を定義できるか？
• RQ3 提案指標は、既存のカーネルベースおよびスペクトル的手法を上回り、実世界の時系列データの分類性能を向上させるか？
• RQ4 カーネル選択（例：ガウスカーネル）および指標の次数（1次対2次）が識別性能に与える影響は何か？
• RQ5 複素単位円板における回転といった既知の力学を持つ合成系において、指標は理論的挙動をどれほど正確に回復できるか？

主な発見

• ガウスカーネルを用いた提案指標 $A_{g2}$ は、合成的回転力学系においてほぼ完璧な識別を達成し、$A_{g1}$ やクープマンスペクトルカーネル $A_{kkp}$ を上回った。
• 初期条件が小さい場合（$|z_0| = 0.3$）、$A_{g2}$ は回転する力学系と線形収束する力学系を正しく識別できたが、$A_{g1}$ と $A_{kkp}$ は失敗した。
• UCRアーカイブの実世界時系列データでは、$A_{g1}$ と $A_{g2}$ が $A_{kkp}$ より優れた分類性能を示し、ソニーアイボロボット表面データセットでは誤差率がそれぞれ 0.025 と 0.038 であった。
• $A_{g2}$ 指標は星の光度曲線データセットで分類誤差 0.150 を達成し、$A_{kkp}$（0.217）を上回り、複数のデータセットで一貫した改善を示した。
• t-SNE可視化により、特にソニーアイボおよび星の光度曲線データセットにおいて、$A_{g1}$ と $A_{g2}$ は $A_{kkp}$ よりもより分離されたクラスタを生成したことが確認された。
• 時系列長 $T$ が増加するにつれて、指標は解析解に収束し、一貫性と理論的妥当性が裏付けられた。