[论文解读] Going off grid: Computationally efficient inference for log-Gaussian Cox processes

Daniel Simpson, Janine Illian+3 more|arXiv (Cornell University)|Nov 1, 2011

Soil Geostatistics and Mapping参考文献 36被引用 11

一句话总结

本文提出了一种计算高效的对数高斯 Cox 过程推理方法，通过直接使用连续指定的高斯随机场近似似然函数，实现了在光滑性条件下的任意高阶收敛——超越了基于网格方法的 O(p⁻¹) 限制。该方法利用随机偏微分方程和有限元法，在复杂区域（如海洋或存在采样间隙的区域）上实现快速推理。

ABSTRACT

This paper introduces a new method for performing computational inference on log-Gaussian Cox processes. The likelihood is approximated directly by making novel use of a continuously specified Gaussian random field. We show that for sufficiently smooth Gaussian random field prior distributions, the approximation can converge with arbitrarily high order, while an approximation based on a counting process on a partition of the domain only achieves first-order convergence. The given results improve on the general theory of convergence of the stochastic partial differential equation models, introduced by Lindgren et al. (2011). The new method is demonstrated on a standard point pattern data set and two interesting extensions to the classical log-Gaussian Cox process framework are discussed. The first extension considers variable sampling effort throughout the observation window and implements the method of Chakraborty et al. (2011). The second extension constructs a log-Gaussian Cox process on the world's oceans. The analysis is performed using integrated nested Laplace approximation for fast approximate inference.

研究动机与目标

• 解决标准基于网格的近似在对数高斯 Cox 过程推理中的计算低效问题。
• 开发一种通过避免离散网格近似实现任意高阶收敛的方法。
• 实现在复杂观测窗口（如全球海洋或存在缺失数据的区域）上的高效推理。
• 改进随机偏微分方程（SPDE）模型在空间点过程背景下的收敛性理论。
• 在具有非平凡采样结构的真实生态学与海洋学数据上展示方法的适用性。

提出的方法

• 使用连续高斯随机场先验而非离散网格，避免基于计数的近似所导致的 O(p⁻¹) 收敛限制。
• 应用有限元法（FEM）求解高斯场的 SPDE 表示，实现高阶空间离散化。
• 通过潜变量场的连续有限维表示直接近似似然函数，避免基于单元的泊松近似。
• 使用集成嵌套拉普拉斯近似（INLA）对近似后验分布进行快速、确定性的贝叶斯推理。
• 在场足够光滑时，采用截断的 Karhunen–Loève 展开以实现更高阶收敛。
• 利用 FEM 和基于 SPDE 的先验的强收敛结果，确保在光滑性条件下后验收敛。

实验结果

研究问题

• RQ1 在对数高斯 Cox 过程中，对高斯随机场使用连续近似是否能实现优于基于网格方法的高阶收敛？
• RQ2 当使用连续有限维近似时，后验分布的理论收敛速率是多少？
• RQ3 该方法在复杂观测窗口（如全球海洋或存在采样空洞的区域）上的表现如何？
• RQ4 该方法能否扩展以处理存在仅出现数据中采样努力变化的情况？
• RQ5 场的光滑性对后验近似收敛速率有何影响？

主要发现

• 所提方法在后验近似中实现了任意高阶收敛，其上限仅取决于底层高斯随机场的光滑性。
• 对于光滑场，后验期望的误差以 O(h^{1−ε}) 的速率衰减，其中任意 ε > 0，显著优于基于网格方法的 O(p⁻¹) 速率。
• 该方法实现了在复杂区域（如全球海洋）上的精确推理，而传统基于网格的方法在计算上不可行。
• 该方法成功处理了存在仅出现数据中的可变采样努力，扩展了 Chakraborty 等人（2011）的框架。
• 理论分析证实，在正则性条件下后验分布具有强收敛性，收敛速率取决于场的光滑性与空间离散化程度。
• 数值结果表明，由于连续场表示和高阶积分方案，即使在粗网格下该方法仍能保持高精度。