그래프 위 시공간 함수 추정을 위한 다중 커널 크리깅 칼만 필터

초록

본 논문은 그래프 구조와 시간 변화를 동시에 고려한 커널 기반 크리깅 칼만 필터(KKeKriKF)를 제안한다. 공간적 부드러움은 라플라시안 커널로, 시간적 동역학은 그래프 전이 행렬을 이용한 상태공정으로 모델링한다. 또한 사전 정의된 커널 사전집합에서 데이터에 최적화된 커널을 실시간으로 선택하는 다중 커널 학습(MKriKF) 기법을 도입해, 복잡도는 기존 방법과 동등하면서도 재구성 정확도를 크게 향상시킨다.

상세 분석

이 논문은 그래프 신호 처리 분야에서 시공간적으로 변하는 데이터를 효율적으로 복원하기 위한 새로운 프레임워크를 제시한다. 기존의 정적 그래프 신호 복원 방법은 라플라시안 기반의 스무딩 정규화나 밴드리밋 제약을 활용했지만, 시간에 따라 변하는 네트워크 토폴로지와 신호 동역학을 동시에 다루지는 못했다. 저자들은 먼저 그래프 위의 함수 f(v,n,t)를 두 부분, 즉 순간 변동을 담당하는 f⁽ν⁾와 느리게 변하는 추세를 담당하는 f⁽χ⁾로 분해한다. f⁽χ⁾는 그래프 전이 행렬 A(t,t‑1)을 이용한 선형 상태 방정식 f⁽χ⁾ₜ = Aₜ f⁽χ⁾₍ₜ₋₁₎ + ηₜ 로 모델링함으로써, 전통적인 VAR 모델을 그래프 구조에 맞게 확장한다. 이때 ηₜ는 그래프 스무딩을 만족하는 잡음으로 가정한다.

다음으로, 두 성분을 동시에 추정하기 위해 커널 릿지 회귀(KRR) 기반의 목적함수를 설계한다. 여기서 f⁽ν⁾와 f⁽χ⁾ 각각에 대해 별도의 커널 K⁽ν⁾ₜ, K⁽χ⁾ₜ를 도입하고, 정규화 파라미터 μ₁, μ₂를 통해 데이터 적합도와 스무딩 정도를 조절한다. 목적함수는 시간에 따라 누적되는 형태이지만, 직접 최적화하면 복잡도가 O(t)로 증가한다. 이를 해결하기 위해 저자들은 KRR의 최적조건을 이용해 f⁽ν⁾를 폐쇄형식으로 표현하고, 이를 목적함수에 대입해 f⁽χ⁾에 대한 순수한 최소화 문제로 변환한다. 결과적으로, Kalman 필터와 유사한 예측‑업데이트 구조가 도출되며, 이를 Kernel Kriged Kalman Filter(KKeKriKF)라 명명한다.

KKeKriKF는 기존 확률적 Kriged Kalman Filter와 달리 확률 분포 가정을 배제하고, 그래프 스무딩을 통한 결정론적 모델링에 기반한다. 따라서 관측 잡음과 상태 잡음의 공분산을 명시적으로 알 필요가 없으며, μ₁, μ₂와 커널 선택만으로 충분히 성능을 조절할 수 있다.

하지만 커널 선택이 성능에 큰 영향을 미친다는 점을 인식하고, 다중 커널 학습(MKL) 모듈을 설계한다. 사전 정의된 L개의 라플라시안 커널 {K₁,…,K_L}을 선형 결합 K = Σ_{ℓ=1}^L α_ℓ K_ℓ (α_ℓ ≥ 0, Σα_ℓ = 1) 형태로 표현하고, 온라인 최적화 알고리즘을 통해 α를 실시간으로 업데이트한다. 핵심 아이디어는 라플라시안 커널이 라플라시안 고유벡터와 고유값을 공유한다는 점이다. 이를 이용해 각 K_ℓ의 역행렬을 고유벡터 기반으로 효율적으로 계산하고, 전체 복합 커널에 대한 연산 복잡도를 O(N) 수준으로 유지한다. 결과적으로, MKriKF는 KKeKriKF에 MKL을 결합한 형태로, 매 시간 단계마다 최적 커널 가중치를 자동으로 조정한다.

복잡도 측면에서, KKeKriKF와 MKriKF 모두 매 타임스텝마다 O(NS²) (S는 샘플 수) 정도의 연산만 필요하며, 메모리 사용량도 O(N)이다. 이는 블록 삼중대각 행렬을 직접 다루는 기존 방법보다 훨씬 효율적이다.

실험에서는 합성 데이터와 실제 교통·기상·소셜 네트워크 데이터를 사용해 재구성 정확도와 실행 시간을 비교한다. 특히, 동적으로 변하는 그래프 토폴로지를 가진 경우에도 MKriKF가 기존 정적 커널 기반 방법보다 평균 제곱 오차(MSE)를 30% 이상 감소시키고, 실시간 처리 요구를 만족한다는 결과를 제시한다.

전반적으로 이 논문은 (1) 그래프 전이 행렬을 통한 시공간 상태 모델링, (2) 커널 릿지 기반의 결정론적 Kalman 필터 설계, (3) 라플라시안 커널의 고유구조를 활용한 효율적인 다중 커널 학습이라는 세 가지 핵심 기여를 통해, 그래프 신호 처리 분야에서 실시간, 동적 환경에 적합한 강력한 도구를 제공한다.