Resumen Técnico: Actualizaciones de Volatilidad Robustas para el Filtrado Gaussiano Jerárquico

1. Enunciado del Problema

El Filtrado Gaussiano Jerárquico (HGF) es un marco de inferencia variacional utilizado para modelar cómo los agentes actualizan sus creencias sobre estados ambientales ocultos. En las redes HGF, los nodos padres pueden influir en la media o en la varianza (volatilidad) de sus hijos. Mientras que las ecuaciones de actualización para la media y los nodos acoplados al valor son generalmente estables, las ecuaciones de actualización de precisión para padres acoplados a la volatilidad sufren un defecto crítico en la formulación original.

Bajo condiciones específicas, particularmente cuando un error de predicción grande resulta en una incertidumbre posterior total que excede significativamente la incertidumbre anterior (es decir, una alta relación de $\beta/\alpha$), la aproximación cuadrática estándar de la energía variacional puede producir una precisión posterior negativa. Dado que la precisión es el inverso de la varianza, un valor negativo es una imposibilidad lógica. Esto provoca que el algoritmo de filtrado termine con un error, creando efectivamente límites duros en el espacio de parámetros donde el modelo no puede operar. Esta limitación restringe el rango de modelos utilizables y complica la estimación de parámetros, ya que los optimizadores deben evitar estas "zonas de fallo".

2. Metodología

Los autores proponen un enfoque modificado para la aproximación cuadrática de la energía variacional en nodos acoplados a la volatilidad. La metodología implica tres pasos clave:

A. Descomposición de la Energía Variacional

La función de energía variacional canónica $J(x)$ se descompone en tres componentes:

1. $J_1(x)$: Un término log-normalizador cóncavo.
2. $J_2(x)$: Un término responsable de la escalado de la incertidumbre, que introduce una región convexa y puede causar precisión negativa.
3. $J_3(x)$: Un término de prior cuadrático.

Los autores observan que la convexidad problemática surge únicamente de $J_2$. Para garantizar una precisión positiva, construyen una función de energía auxiliar cóncava $K(x) = J_1(x) + J_3(x)$, excluyendo explícitamente $J_2$ al calcular la precisión de la primera expansión. Esto garantiza que la segunda derivada (y por tanto la precisión) permanezca negativa en todas partes, previniendo la precisión negativa.

B. Aproximación de la Segunda Moda en Forma Cerrada

En regímenes donde la energía variacional se vuelve bimodal (debido a la región convexa de $J_2$), una única expansión gaussiana es insuficiente. Los autores derivan una aproximación en forma cerrada para la ubicación del segundo máximo local (moda) de la función de energía.

• Al analizar el límite donde la incertidumbre anterior tiende a cero ($\alpha \to 0$), la ecuación de la moda se simplifica a una forma resoluble mediante la función W de Lambert ($W_0$).
• Esto proporciona una estimación analítica para la segunda moda ($x^*$) sin requerir búsqueda iterativa de raíces, lo cual es computacionalmente eficiente y analíticamente transparente.

C. Emparejamiento de Momentos de Mezcla Ponderada por Softmax

Para manejar escenarios unimodales y bimodales dentro de una única posterior gaussiana, los autores combinan dos expansiones cuadráticas:

1. Expansión 1 ($L_1$): Centrada en la predicción previa, utilizando la precisión derivada de la función cóncava $K$.
2. Expansión 2 ($L_2$): Centrada en la segunda moda derivada de la función W de Lambert, utilizando la energía variacional completa $J$.

Estas dos expansiones se mezclan utilizando pesos softmax basados en los valores de la energía variacional en sus respectivas medias. La media y la varianza posteriores finales se calculan mediante el emparejamiento de momentos de esta mezcla gaussiana de dos componentes. Esta construcción asegura que la precisión posterior resultante sea estrictamente positiva por diseño, independientemente de los valores de los parámetros.

D. Extensión al HGF Generalizado (gHGF)

El marco se extiende al HGF Generalizado, que incluye tanto el acoplamiento al valor como a la volatilidad. Los autores demuestran que para padres con múltiples hijos de volatilidad, la estructura cóncava se preserva, y la estrategia de la función W de Lambert puede aplicarse independientemente para la región de transición de cada hijo. La posterior final se construye mediante una mezcla de $(n+1)$ componentes (una expansión primaria más una expansión secundaria por cada hijo de volatilidad).

3. Resultados Clave

Los autores validan las nuevas ecuaciones (denominadas uHGF para HGF ilimitado) mediante cuatro simulaciones comparativas:

1. Calidad de la Aproximación: En 488 combinaciones de parámetros que involucran errores de predicción altos, el HGF clásico falló (se detuvo) en el 6.4% de los casos debido a la precisión negativa. El uHGF tuvo éxito en el 100% de los casos. Donde ambos tuvieron éxito, el uHGF redujo la divergencia Kullback–Leibler (KL) entre la posterior variacional aproximada y la verdadera en casi dos órdenes de magnitud (de 1.34 a 0.023).
2. Filtrado Estándar: Bajo condiciones estándar con errores de predicción moderados, ambos métodos produjeron trayectorias válidas, mostrando el uHGF un seguimiento ligeramente mejorado debido a una mejor aproximación.
3. Robustez ante Errores Extremos: En simulaciones con alta meta-volatilidad que causan grandes errores de predicción, el HGF clásico falló en el paso 115. El uHGF completó los 320 pasos, manteniendo una precisión estrictamente positiva y adaptándose a cambios de régimen.
4. Cobertura del Espacio de Parámetros: Un escaneo sistemático de 32,761 conjuntos de parámetros reveló que el HGF clásico falló en el 22.7% de los casos (formando una gran región conectada de fallos). El uHGF tuvo éxito en el 100% de los casos, eliminando efectivamente los límites en el espacio de parámetros.

4. Significado y Afirmaciones

El artículo afirma que las modificaciones propuestas resuelven el problema de la precisión posterior negativa, haciendo que las redes HGF sean robustas en todo el espacio de parámetros. El significado de este trabajo incluye:

• Eliminación de Límites Algorítmicos: Al garantizar una precisión positiva para todas las combinaciones de parámetros, las nuevas ecuaciones eliminan la necesidad de costosas verificaciones de límites durante la estimación de parámetros. Esto permite que los optimizadores basados en gradientes y los métodos de muestreo exploren todo el espacio de parámetros sin encontrar verosimilitudes indefinidas o artefactos de "fallo".
• Seguimiento Fiel: El método sigue fielmente la posterior variacional incluso en regímenes extremos (grandes errores de predicción) donde la aproximación cuadrática original falla, proporcionando un resumen más preciso de los estados de creencia.
• Eficiencia Computacional: El uso de la función W de Lambert proporciona una solución en forma cerrada para la segunda moda, evitando el costo computacional de la optimización numérica iterativa para la búsqueda de raíces.
• Generalizabilidad: El enfoque se extiende naturalmente al HGF Generalizado, soportando arquitecturas complejas con acoplamiento mixto de valor y volatilidad y múltiples hijos por padre.

Los autores señalan que, aunque el método mejora la robustez, conserva la limitación fundamental del HGF original: aproximar la posterior con una sola gaussiana. En casos de bimodalidad fuerte y persistente, la gaussiana emparejada por momentos puede ser un resumen menos informativo que la distribución completa, aunque dicha bimodalidad suele ser transitoria en la práctica.

Las ecuaciones modificadas están implementadas en el paquete de Julia UnboundedHGF.jl y se han integrado en los estándares HierarchicalGaussianFiltering.jl, pyhgf y la caja de herramientas HGF de MATLAB.