Moving Least Squares without Quasi-Uniformity: A Stochastic Approach

技術要約：準一様性を欠く移動最小二乗法：確率論的アプローチ

問題の定義
局所多項式回帰（LPR）と移動最小二乗法（MLS）は、代数的には等価な非パラメトリック手法であるが、異なる理論的枠組みの下で発展してきた。統計学に根ざしたLPRは、観測ノイズの処理に焦点を当て、ランダムサンプリングの仮定下での収束を分析する。対照的に、数値解析において発展したMLSは、決定論的なサンプリング仮定、具体的には、充填距離（fill distance, $h_n$）と分離距離（separation distance, $\delta_n$）が定数倍の範囲内で同等であるという**準一様性（quasi-uniformity）**に依存している。

本研究が扱う中心的な問題は、古典的なMLS理論をランダムサンプリングに適用した際に生じる破綻である。独立同一分布（i.i.d.）によるランダムサンプリングの下では、準一様性の仮定は成立しない。すなわち、ランダムな点は局所的なクラスターを形成しやすく、分離距離が充填距離とは異なる速度で減衰するためである。この幾何学的な不安定性は、局所デザイン行列の可逆性と、古典的な収束証明の妥当性を脅かす。近年の研究では、ランダムな点はソボレフ空間の近似において漸近的に最適である可能性が示唆されていたが、ランダムサンプリング下においてもMLSがその古典的な微分近似および滑らかさの特性を保持することを証明する厳密な確率論的分析は欠けていた。

手法
著者らは、ランダム性がサンプル点の空間的配置のみに由来する、純粋なノイズフリー近似の枠組みを採用している。手法は以下の3段階で進行する。

1. 幾何学的性質の確率論的特徴付け： 著者らはまず、内部円錐条件を満たす領域上の「良好な挙動を示す」分布（ゼロおよび無限から離れているもの）から抽出されたi.i.d.サンプルにおける、充填距離（$h_n$）と分離距離（$\delta_n$）の漸近的挙動を定量化する。彼らは、$h_n \propto n^{-1/d} \log^{1/d}(n)$ および $\delta_n \propto n^{-2/d}$ であることを確率的に確立し、これにより $h_n$ と $\delta_n$ は同等ではなく、準一様性が崩れていることを確認した。
2. 確率論的安定性分析： 準一様性の欠如を克服するために、著者らはMirzaei [8] および Levin [6] の決定論的な証明を適応させる。彼らは、半径が $h_n$ に比例する局所近傍内のサンプル数が $n$ に対して対数的に増加すること（具体的には $\Theta(\log n)$）を保証する高確率イベント $E_I$ を導入する。このイベントの下で、正規化されたグラム行列（経験的重み付き共分散行列）が、高確率で正定値かつ良条件であることを証明する。
3. 微分および滑らかさの境界： グラム行列とその逆行列の安定性を用いて、MLS形状関数の微分の確率的境界を導出する。彼らは、経験的行列と理論的行列との偏差を制御するために、ベルンシュタインの不等式と和集合界（union bounds）を活用する。

主要な貢献と結果

• 定理1（幾何学的レート）： 本論文は、i.i.d.サンプルにおいて、充填距離が $O_P(n^{-1/d} \log^{1/d} n)$ で減衰する一方で、分離距離は $\Omega_P(n^{-2/d})$ で減衰することを確立している。これは、確率的な設定において準一様性条件が成立しないことを厳密に示している。
• 定理2（微分の確率論的収束）： 主要な貢献は、$f \in C^k$ である関数に対し、次数 $m < k$ の線形微分作用素 $Q$ を用いたMLSによる近似誤差が、高確率で $h_n^{k-m}$ で減衰することを証明したことである。具体的には、誤差が $K h_n^{k-m}$ を超える確率は、$n \to \infty$ において消失する。これにより、準一様性の欠如にもかかわらず、決定論的な古典的収束レートに対する確率論的な類似性が確立された。
• 定理3（局所的な滑らかさ）： 著者らは、MLS近似関数が高確率で局所的に $C^k$ 滑らかであることを証明している。具体的には、半径 $\delta_0 \asymp h_n$ の球体上において、近似関数は重み関数の滑らかさを継承する。この結果は、正規化されたグラム行列には不連続なサンプル数が含まれるものの、非正規化されたグラム行列は評価点に対して滑らかに変化し、局所的な形状関数の可逆性と滑らかさを保証していることに依拠している。
• 準一様性のボトルネックの解決： 本研究は、サンプル密度が十分（局所近傍における対数的成長）であれば、ランダムサンプリング下でも局所デザイン行列の代数的な安定性が保持されることを示している。これにより、決定論的な微分近似の結果を、純粋なランダム構成へと拡張することが可能となった。

意義と主張
本論文は、MLSに関する初の統一的な確率論的分析を提供すると主張している。その意義は、LPRの統計学的伝統とMLSの数値解析的伝統の架け橋となる点にある。著者らは、古典的なMLSの収束レートや滑らかさの特性が、決定論的な準一様サンプリングの産物ではなく、自然な確率モデルの下でも持続することを実証している。

決定的な違いとして、著者らは標準的な統計的LPRの分析とは異なり、点ごとの推定ではなく、MLS近似関数（ドメイン上で定義された単一の関数）の関数的挙動に焦点を当てている。これは、近似の全域的な滑らかさと微分可能性が要求される、メッシュレス法を用いた偏微分方程式（PDE）の解法などの応用における重要な前提条件である。

本論文は、滑らかさの範囲に関して控えめな主張を行っている。すなわち、充填距離によってスケールされた球体上での局所的な滑らかさを確立している。著者らは、全域的な滑らかさの記述を得るには帯域幅（bandwidth）を拡大する必要があり、それが近似精度を低下させることを明記している。ノイズが存在する設定ではノイズフロアがこのようなトレードオフを吸収できるが、本設定はノイズフリーであるため、この劣化は純粋な精度の損失を意味する。したがって、彼らは鋭い局所的な結果を維持している。

最後に、著者らはこれらの結果が、未知のリマン多様体からサンプリングされたデータに対する「確率論的多様体移動最小二乗法（Stochastic Manifold Moving Least Squares: MMLS）」への将来的な拡張の基礎となることを示唆しており、このトピックは姉妹研究として保留されている。