Exact minimax optimality of spectral methods in phase synchronization and orthogonal group synchronization
相位同步与正交群同步中谱方法的精确极小极大最优性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究同步问题的谱估计理论，未明确涉及经济网络干扰或所列金融因子模型。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
相位同步与正交群同步中谱方法的精确极小极大最优性
- 研究问题
- 在带加性高斯噪声且数据不完整的相位同步问题中，简单谱方法能否达到平方损失下的极小极大界及其首项常数？
- 方法与思路
- 作者使用数据矩阵的首特征向量并归一化，重新选择总体特征向量，建立一阶扰动近似，再将分析扩展至正交群同步。
- 材料陈述的贡献
- 摘要称，在能够一致估计参数时，谱方法达到匹配首项常数的极小极大界，并建立无加性噪声时的精确恢复结果。
- 阅读关注点
- 应核对缺失数据模型、噪声与一致估计条件、损失定义，以及首项常数匹配、无噪声恢复和正交群扩展的适用范围。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 摘要；具体条件和误差界未提供，同等表现不能解释为所有样本规模下风险完全相同。
原文摘要
We study the performance of the spectral method for the phase synchronization problem with additive Gaussian noises and incomplete data. The spectral method utilizes the leading eigenvector of the data matrix followed by a normalization step. We prove that it achieves the minimax lower bound of the problem with a matching leading constant under a squared ℓ2 loss. This shows that the spectral method has the same performance as more sophisticated procedures including maximum likelihood estimation, generalized power method, and semidefinite programming, as long as consistent parameter estimation is possible. To establish our result, we first have a novel choice of the population eigenvector, which enables us to establish the exact recovery of the spectral method when there is no additive noise. We then develop a new perturbation analysis toolkit for the leading eigenvector and show it can be well-approximated by its first-order approximation with a small ℓ2 error. We further extend our analysis to establish the exact minimax optimality of the spectral method for the orthogonal group synchronization.