다양체값 확산 과정의 함수적 추정

초록

본 논문은 하나의 장시간 관측 궤적으로부터 다양체 위에 정의된 이토 확산 과정의 drift 벡터와 diffusion 행렬을 Nadaraya‑Watson 형태의 비모수 추정기로 추정한다. 샘플링 간격과 커널 대역폭이 동시에 0으로 수렴하면서, Harris 재발성 및 Darling‑Kac 정리를 이용해 추정량의 일관성과 점근적 정규성을 증명한다. 또한 diffusion 추정으로부터 접공간을 추정하는 새로운 방법을 제시한다.

상세 분석

이 연구는 고차원 비정상 시계열이 저차원 매니폴드에 근사된다는 생리학적 전제를 바탕으로, 매니폴드 위에서 정의된 시간동일 이토 확산 과정의 drift와 diffusion을 하나의 긴 궤적만으로 추정하는 방법론을 제시한다. 핵심 아이디어는 Nadaraya‑Watson 커널 회귀를 매니폴드 상황에 맞게 변형하는 것이다. 기존 유클리드 공간에서의 추정기는 증분 Δ⁻¹(x_{k+1}−x_k)와 외적 Δ⁻¹(x_{k+1}−x_k)(x_{k+1}−x_k)^⊤을 각각 drift와 diffusion의 noisy estimator 로 사용한다. 매니폴드 경우, 임베딩 ι: M→ℝ^p 를 적용하면 Stratonovich 형태의 SDE가 추가적인 기하학적 보정항 ½ Dισ_α(ισ_α) 를 포함한다. 이 보정항 중 II_x(σ_α,σ_α) 라는 두 번째 기본형이 Euclidean drift 추정에 편향을 일으키므로, 단순히 유클리드 커널 회귀를 적용하면 일관성을 잃는다. 반면 diffusion 추정에는 곡률이 1차적으로 영향을 주지 않으며, 추정된 diffusion 행렬이 접공간을 스팬한다는 사실을 이용한다. 따라서 저자는 먼저 diffusion을 추정해 접공간을 복원하고, 복원된 접공간을 기반으로 drift를 재추정한다. 이 과정은 매니폴드 학습에서 새로운 접공간 추정기로서 독자적인 의미를 가진다.

통계적 분석에서는 하나의 경로만을 사용한다는 점이 큰 도전이다. 독립표본 가정이 깨지므로, 샘플링이 충분히 국소적으로 밀집되도록 보장해야 한다. 이를 위해 저자는 Harris 재발성(positive Harris recurrence) 가정을 도입한다. Harris 재발성은 불변 측도 φ_X 가 존재함을 의미하며, 이는 실제 데이터가 장시간 동안 매니폴드 전역을 고르게 탐색한다는 가정과 동등하다. 또한 Nummelin splitting 기법을 일반화해 재발성 프로세스를 ‘life‑cycle’ 로 분할하고, Darling‑Kac 정리를 이용해 시간 평균을 공간 적분으로 변환한다. 이러한 도구들을 통해, 샘플링 간격 Δ→0, 대역폭 h→0, 관측 길이 nΔ→∞ 가 적절한 속도로 진행될 때, drift와 diffusion 추정량이 각각 φ_X‑에 대한 L² 일관성과 점근적 정규성을 만족함을 증명한다. 대역폭 선택 조건은 h=o(Δ^{1/2}) 등으로, 차원 d 와 커널 차수에 따라 구체적으로 제시된다.

가정 측면에서는 (M,g) 가 완비, 연결, 경계가 없는 매끄러운 리만 다양체이며, 비정형 경우 Ricci 곡률이 하한을 갖고 injectivity radius 가 양의 하한을 가진다. 또한 diffusion 행렬 π(x) 가 균일하게 비특이(elliptic)하고, 전이 커널 p_t(x,y) 가 매끄럽고 양의 값을 갖는 등, 열 방정식의 기본 해석적 성질을 보장한다. 이러한 가정 하에, 제안된 추정기는 기존 Euclidean 기반 방법을 매니폴드에 자연스럽게 확장하면서도, 곡률에 의한 편향을 완전히 제거한다는 점이 혁신적이다.