[論文レビュー] Stable Recovery with Analysis Decomposable Priors

M.J. Fadili, Gabriel Peyré+3 more|arXiv (Cornell University)|Apr 16, 2013

Numerical methods in inverse problems参考文献 7被引用数 13

ひとこと要約

本稿は、線形作用素と分解可能ノルムの組み合わせに基づく統一的枠組みを用いて、全変動、グループlasso、行列ノルムなど、分析型分解可能事前分布で正則化された線形逆問題の解の一意的かつ安定的回復の十分条件を確立する。主な貢献は、真の解の構造を完全に回復しなくても、ノイズレベル $\Vert w \Vert_2 \leq \varepsilon$ に比例する $\Vert x^* - x_0 \Vert_2$ の安定性バインディングを保証する、新たな強力な核空間性質条件の確立である。

ABSTRACT

In this paper, we investigate in a unified way the structural properties of solutions to inverse problems. These solutions are regularized by the generic class of semi-norms defined as a decomposable norm composed with a linear operator, the so-called analysis type decomposable prior. This encompasses several well-known analysis-type regularizations such as the discrete total variation (in any dimension), analysis group-Lasso or the nuclear norm. Our main results establish sufficient conditions under which uniqueness and stability to a bounded noise of the regularized solution are guaranteed. Along the way, we also provide a strong sufficient uniqueness result that is of independent interest and goes beyond the case of decomposable norms.

研究の動機と目的

• 分析型分解可能事前分布で正則化された逆問題における構造的性質の分析を統一する。
• 有界ノイズ下で真の解の一意的かつ安定的回復を保証する十分条件を確立する。
• 既存の核空間性質および安定性結果を $\rVert \cdot \rVert_1$ の場合および $L = \mathrm{Id}$ の場合を越えて一般化する。
• 真の解のスパース構造の完全回復を要件としない安定性を保証する枠組みを提供する。
• 全変動や低ランク事前分布を含む広範なクラスの正則化子に対して、最小限の仮定のもとで安定性保証を拡張する。

提案手法

• 分解可能ノルム $\rVert \cdot \rVert_{\mathcal{A}}$ を用いた一般化正則化枠組み $ R(x) = \rVert L^*x \rVert_{\mathcal{A}} $ を導入する。
• 最適性と一意性を特徴付けるために、ソース条件 $ \Phi^*\eta = L\alpha \in \partial R(x) $ を用いる。
• 強力な核空間性質を提案：すべての $ h \in \ker(\Phi) \setminus \{0\} $ に対して $ \langle L_T^*h, e \rangle < \rVert L_S^*h \rVert_{\mathcal{A}}^* $ が成り立つことで、一意性が保証される。
• 解の分解 $ x^* - x_0 $ を $ \ker(L_{S_0}^*) $ と $ \mathrm{Im}(L_{S_0}^*) $ の成分に分離し、単射性とノルム不等式を活用して安定性バインディングを導出する。
• 双対ノルム $ \rVert \cdot \rVert_{\mathcal{A}}^* $ とFenchel-Youngの不等式を用いて、$ \ell_2 $-ノルムにおける再構成誤差をバインドする。
• 一般化された制限固有値型条件（INJ_T）を適用し、データ適合項を用いて誤差の $ \ell_2 $-ノルムを制御する。

実験結果

リサーチクエスチョン

• RQ1 分析型正則化付き逆問題の解が、どのような条件下で一意に定義されるか？
• RQ2 真の解の構造を完全に回復しなくても、有界ノイズ下での $ \ell_2 $-安定性が保証される条件は何か？
• RQ3 古典的な核空間性質は、非 $ \ell_1 $ および非恒等作用素の分析作用素へどのように一般化できるか？
• RQ4 全変動や行列ノルムを含む広範なクラスの正則化子に対して、最小限の仮定のもとで安定性を保証できるか？
• RQ5 安定性バインディングは、真の解のスパース構造の正確な回復からどれほど分離できるか？

主な発見

• 本稿では、分析型正則化付き逆問題の最小化子の一意性を保証する、新たな強力な核空間性質条件が確立された。
• 提案された条件下で、ノイズ問題の解 $ x^* $ の $ \ell_2 $-安定性が、ノイズレベル $ \varepsilon $ の定数倍でバインドされることを証明した。具体的には $ \rVert x^* - x_0 \rVert_2 \leq C \cdot \varepsilon $ が成り立つ。
• 真の解のスパース構造 $ T_0 $ やベクトル $ e_0 $ の完全回復を要件とせず、モデル不一致に強く耐性を持つ安定性バインディングが導出された。
• ソース条件 $ \Phi^*\eta = L\alpha \in \partial R(x) $ が、一意性と安定性を保証する十分条件であることが示され、$ \ell_1 $-正則化に対する既知の結果を一般化した。
• 分解可能ノルム $ \rVert \cdot \rVert_{\mathcal{A}} $ を用いた一般形 $ R(x) = \rVert L^*x \rVert_{\mathcal{A}} $ により、全変動、グループlasso、行列ノルムを含む広範な正則化子への適用が可能である。
• 安定性結果は、ペナルティ項型およびデータ適合制約付き型の最適化問題の両方に対して成り立ち、定数は調整されている。