[论文解读] Transport Inequalities. A Survey

Nathaël Gozlan, Christian Léonard|arXiv (Cornell University)|Mar 19, 2010

Point processes and geometric inequalities参考文献 89被引用 44

一句话总结

本综述建立了一个全面的框架，将运输不等式（将最优运输成本与相对熵和费舍尔信息等信息论泛函联系起来）与测度集中性及偏差不等式联系起来。它展示了运输-熵不等式如何导出精确的集中界，并统一了泛函不等式、大偏差理论与最优运输理论中的结果。

ABSTRACT

This is a survey of recent developments in the area of transport inequalities. We investigate their consequences in terms of concentration and deviation inequalities and sketch their links with other functional inequalities and also large deviation theory.

研究动机与目标

• 系统化并综述概率与分析领域中运输不等式这一关键方向的最新进展。
• 阐明运输不等式、测度集中性与偏差界之间的联系。
• 通过最优运输理论统一多种泛函不等式——对数索博列夫不等式、等周不等式及下卷积不等式。
• 将理论拓展至新领域，包括吉布斯测度与自由概率（自由运输不等式）。
• 为实际验证运输-熵不等式提供可操作的充分条件与积分准则。

提出的方法

• 使用最优运输成本 $\mathcal{T}_c(\nu,\mu)$ 作为概率测度 $\nu$ 与 $\mu$ 之间的基于度量的位移成本。
• 通过变分表示，特别是 $H(\nu|\mu) = \sup_u \left\{ \int u\,d\nu - \log \int e^u\,d\mu \right\}$，应用运输成本与相对熵的对偶形式。
• 采用张量化技术，将运输不等式从乘积空间推广至独立同分布抽样，利用条件独立性与可测马尔可夫核。
• 通过经验测度的速率泛函，建立运输不等式与大偏差之间的联系。
• 应用下卷积与凸性技术，推导运输-熵不等式的积分准则。
• 利用该框架，推导在一致凸势能下及吉布斯测度下运输-熵不等式的充分条件。

实验结果

研究问题

• RQ1 运输不等式如何与经验均值的测度集中性及偏差界相关联？
• RQ2 最优运输成本 $W_p^p$ 在量化测度集中现象中起什么作用？
• RQ3 运输-熵不等式如何统一或推广经典不等式（如对数索博列夫不等式或齐斯扎尔-库尔巴克-平斯基不等式）？
• RQ4 在乘积或吉布斯设定下，测度满足运输-熵不等式的充分条件是什么？
• RQ5 自由运输不等式如何将经典理论拓展至随机矩阵理论与非交换概率？

主要发现

• 形式为 $\alpha(W_p^p(\nu,\mu)) \leq H(\nu|\mu)$ 的运输-熵不等式，意味着利普希茨函数具有指数集中性。
• 运输成本的张量化使得可从单变量不等式推导出乘积测度的集中不等式。
• 变分表示 $H(\nu|\mu) = \sup_u \left\{ \int u\,d\nu - \log \int e^u\,d\mu \right\}$ 提供了对偶表征，对证明对偶性及基于对偶性的不等式至关重要。
• 对于一致凸势能，运输-熵不等式可导出精确的次高斯集中界。
• 运输-信息不等式 $\alpha(W_p^p) \leq I(\cdot|\mu)$ 将 Wasserstein 距离与费舍尔信息联系起来，反映了马尔可夫过程的大偏差行为。
• 自由运输不等式将运输成本与自由相对熵联系起来，其源于随机矩阵谱测度的大偏差原理。