PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.11263v1math.ST

무작위 이질적 잡음 하에서 고유공간 섭동의 기하학적 바이어스

Geometric bias in eigenspace perturbation under random heterogeneous noise

스펙트럼 방법은 무작위 섭동 하에서 주요 고유공간의 안정성에 근본적으로 의존합니다. 전통적으로 이 안정성은 Davis-Kahan 및 Wedin 정리를 통해 정량화되며, 해당 정리들은 잡음의 연산자 노름(operator norm)과 관련 스펙트럼 간격(spectral gaps)을 사용하여 고유공간 오차를 제한합니다. 이러한 최악의 경우(worst-case) 바운드는 임의의 결정론적 섭동에 대해서는 날카로운(tight) 편이지만, 신호 기하학과 잡음 분포 간의 미세한 상호작용을 포착하지 못하므로 저계수 신호-플러스-무작위 잡음 설정에서는 비효율적일 수 있습니다. 본 논문에서는 임의의 불균일 분산 프로필(inhomogeneous variance profile)을 가진 희소 무작위 잡음으로 인해 오염된 신호-플러스-잡음 행렬의 스펙트럼 섭동을 연구합니다. 우리는 이질적 잡음 분산 하에서 경험적 고유벡터(empirical eigenvectors)가 고전적 섭동 바운드에서는 전혀 포착되지 않는 체계적이고 결정론적인 기하학적 바이어스(geometric bias)를 겪는다는 것을 보여줍니다. 이차 벡터 방정식(Quadratic Vector Equation, QVE)을 활용하고 정밀한 등방성 국소 법칙(isotropic local laws)을 확립함으로써, 연산자 노름(operator norm)과 $2\to\infty$ 노름에서 선행 고유공간에 대한 거의 최적의 비점근적 섭동 바운드를 도출합니다. 이 바운드는 일반적인 신호 대 잡음 기여, 확률적 변동, 그리고 신호 고유공간과 행 단위 분산 프로필(row-wise variance profile) 간의 정렬(alignment)에 의해 결정되는 구조화된 기하학적 바이어스 항들을 분리합니다.