극복형 디컨볼루션을 통한 잡음·결측 데이터 분포 추정

초록

본 논문은 각 데이터 포인트가 서로 다른 공분산 행렬과 결측 차원을 갖는 경우에도, 가우시안 혼합 모델과 EM 알고리즘을 확장하여 원래의 잠재 분포를 추정하는 방법을 제시한다. 이를 통해 히파르코스 위성의 2차원 횡속도 측정으로부터 별들의 3차원 속도 분포를 복원한다.

상세 분석

이 연구는 전통적인 가우시안 혼합 모델(GMM)이 전제하는 “동질적이고 완전한 관측”이라는 가정을 완전히 벗어난다. 저자들은 각 관측치마다 고유한 d 차원 불확실성 공분산 Σ_i와 결측 마스크 M_i를 정의하고, 이를 통해 관측된 데이터 x_i가 실제 잠재 변수 z_i와의 컨볼루션 결과이며, 동시에 일부 차원은 투영(projection)되어 사라진다는 수학적 모델을 구축한다. 핵심 아이디어는 “극복형(Extreme) 디컨볼루션”이라는 용어로 요약되며, 이는 관측 노이즈와 결측을 동시에 고려한 역문제(inverse problem)를 EM 프레임워크 안에서 풀어낸다.

E‑step에서는 현재 파라미터(가중치 α_k, 평균 μ_k, 공분산 Λ_k) 하에 각 데이터 포인트가 각 가우시안 컴포넌트 k에 속할 사후 확률 γ_{ik}를 계산한다. 여기서 중요한 점은, γ_{ik}를 구하기 위해 관측치 x_i와 결측 마스크 M_i를 이용해 “조건부” 평균과 공분산을 추정한다는 것이다. 구체적으로, 관측된 차원에 대한 선형 변환 A_i와 노이즈 공분산 Σ_i를 사용해, 완전한 잠재 변수의 기대값 E