Deep Simulation-Based Inference for Inhomogeneous Bivariate Log-Gaussian Cox Processes

Resumen Técnico: Inferencia Basada en Simulación Profunda para Procesos de Cox de Gauss-Log Bivariados Inhomogéneos

Planteamiento del Problema
El Proceso de Cox de Gauss-Log (LGCP, por sus siglas en inglés) es un marco flexible para modelar patrones de puntos espaciales con agregación y agrupamiento. Sin embargo, la inferencia estadística para los LGCP, particularmente en entornos inhomogéneos y bivariados (multitipo), sigue siendo un desafío. La función de verosimilitud implica la integración sobre un campo Gaussiano de dimensión infinita, lo que la hace analíticamente intratable. Si bien existen métodos como la Verosimilitud Compuesta, MCMC e INLA, estos suelen ser computacionalmente prohibitivos o teóricamente difíciles de implementar correctamente para los profesionales. Además, extender la Inferencia Basada en Simulación (SBI) a los LGCP bivariados inhomogéneos introduce dificultades específicas:

1. Confusión (Confounding): Las variaciones de intensidad impulsadas por covariables pueden confundirse con la dependencia inducida por el campo Gaussiano latente.
2. Complejidad del Espacio de Parámetros: Especificar rangos de muestreo amplios para los parámetros de las covariables durante el entrenamiento de la simulación es exigente; los rangos excesivamente amplios pueden generar patrones de puntos poco realistas.
3. Identificabilidad: El paso de casos univariados a bivariados aumenta el número de parámetros del campo latente, lo que debilita la identificabilidad y requiere estadísticas de resumen más ricas.
4. Pérdida de Información: Las estadísticas de resumen de segundo orden tradicionales (por ejemplo, funciones K) están altamente agregadas y pueden perder información crítica sobre la disposición espacial.

Metodología
Los autores proponen un marco de Inferencia Basada en Simulación Profunda (DSBI) que utiliza un procedimiento de estimación de dos pasos para abordar estos desafíos.

1. Estrategia de Estimación de Dos Pasos:

   • Paso 1 (Primer Orden): Los parámetros de regresión ($\beta_p$) asociados con la tendencia media determinante (covariables) se estiman por separado utilizando modelos clásicos de procesos de puntos de Poisson inhomogéneos (vía ppm en spatstat). Este paso trata la intensidad de primer orden como conocida para la etapa subsiguiente.
   • Paso 2 (Segundo Orden): Una red neuronal se entrena para estimar los parámetros del campo latente ($\theta = \{\sigma_Y, \xi_Y, \sigma_{U_p}, \xi_{U_p}\}$) condicionado a la intensidad de primer orden estimada. Este desacoplamiento reduce la dimensionalidad del espacio de parámetros que la red neuronal debe aprender, estabiliza el entrenamiento y evita la necesidad de especificar rangos de simulación amplios para los parámetros de las covariables.

2. Arquitectura de Entrada (Tres Clases de Entradas):
   La red neuronal utiliza una estructura de entrada híbrida $S = (S_1, S_2, S_3)$:

   • $S_1$ (Estimaciones de primer orden): Los coeficientes de regresión estimados ($\hat{\beta}_p$) para cada tipo, que proporcionan información de la tendencia global.
   • $S_2$ (Estadísticas de resumen de segundo orden): Funciones L inhomogéneas empíricas ($\hat{L}_{11}, \hat{L}_{22}, \hat{L}_{12}$) y sus diferencias, que capturan la dependencia espacial residual.
   • $S_3$ (Entradas de Estructura Espacial): Una contribución novedosa que consiste en imágenes de conteo estandarizadas en 2D. La ventana de observación se discretiza en una cuadrícula, y la diferencia entre los conteos observados y los conteos esperados (bajo el modelo de primer orden ajustado) se normaliza. Estas imágenes permiten al modelo aprender dependencias espaciales directamente de la disposición de los puntos, complementando las estadísticas de resumen agregadas.

3. Diseño de la Red Neuronal:

   • La arquitectura procesa $S_2$ mediante capas convolucionales 1D y $S_3$ mediante capas convolucionales 2D (con pooling).
   • Las características se concatenan con $S_1$ y se pasan a un Perceptrón Multicapa (MLP) con activación ReLU.
   • Para asegurar la positividad de la varianza y los parámetros de escala, las salidas de la red se elevan al cuadrado (después de entrenar sobre objetivos transformados por raíz cuadrada).

Contribuciones Clave

• Marco de Inferencia Híbrido: El artículo introduce un flujo de trabajo DSBI específico que separa la estimación de primer orden (covariables) de la de segundo orden (campo latente), abordando la complejidad de los LGCP bivariados inhomogéneos.
• Entradas de Estructura Espacial: La introducción de entradas de imagen 2D ($S_3$) para capturar la información espacial que las estadísticas de resumen tradicionales omiten, específicamente adaptadas para entornos bivariados.
• Flujo de Trabajo Práctico: Los autores proporcionan un flujo de trabajo general para la aplicación práctica, incluyendo directrices para la selección de rangos de parámetros para los parámetros de escala y la validación de las redes entrenadas en conjuntos de datos reales.
• Extensión de SBI: El trabajo extiende los enfoques previos de SBI homogéneo (por ejemplo, Vihrs, 2022) a los dominios más complejos de inhomogéneos y multitype.

Resultados

• Estudios de Simulación:
  • En entornos homogéneos, DSBI superó tanto al método de Contraste Mínimo (MC) como a la Aproximación de Laplace de Introspección Anidada (INLA) en términos de Sesgo, Error Cuadrático Medio (RMSE) y Error Porcentual Absoluto Medio (MAPE). DSBI proporcionó estimaciones más estables, particularmente para los parámetros de escala que son típicamente difíciles de estimar.
  • En entornos inhogéneos, el método demostró una precisión razonable. El rendimiento mejoró significamente con ventanas de observación más grandes, ya que estas proporcionan más información para distinguir entre campos latentes compartidos e individuales.
• Aplicación en el Mundo Real (Conjunto de Datos de Gorilas):
  • El método se aplicó a un conjunto de datos de nidos de gorilas (grupos mayores y menores) en Camerún.
  • El modelo estimó con éxito los parámetros del campo latente, revelando una variación espacial compartida sustancial ($\hat{\sigma}_Y = 1.143$) y patrones de agrupamiento distintos para el grupo mayor en comparación con el grupo menor.
  • Bondad de Ajuste: Los envolventes de simulación y las pruebas de Diggle-Cressie-Loosmore-Ford (DCLF) indicaron que el LGCP bivariado ajustado describió adecuadamente los datos observados (valores p > 0.05 para todos los tipos), lo que sugiere que el modelo capturó tanto las dependencias espaciales individuales como las de tipo cruzado.

Significancia y Reivindicaciones
Los autores afirman que este enfoque ofrece una alternativa computacionalmente eficiente a los métodos clásicos basados en verosimilitud. Una vez preentrenada, la red neuronal proporciona una estimación instantánea y libre de verosimilitud para nuevos datos sin requerir optimización iterativa. Al separar la estimación de las tendencias medias de los campos latentes, el método reduce la complejidad de la estimación de parámetros de alta dimensión y mitiga los problemas de identificabilidad en procesos multivariados.

El artículo concluye que, si bien el método se ilustra en LGCP bivariados, la estrategia subyacente (inferencia basada en simulación con estimación desacoplada de primer/segundo orden) es aplicable a una amplia gama de modelos de procesos de puntos espaciales donde la inferencia basada en verosimilitud es intratable. Los autores señalan modestamente que el método depende de rangos de parámetros predefinidos y que trabajos futuros podrían explorar arquitecturas de redes neuronales más avanzadas (por ejemplo, ResNet) y clases más amplias de entradas espaciales (por ejemplo, imágenes de densidad) para mejorar aún más el rendimiento.