論文の概要: Exact, Tractable Gauss-Newton Optimization in Deep Reversible Architectures Reveal Poor Generalization

• arxiv url: http://arxiv.org/abs/2411.07979v1
• Date: Tue, 12 Nov 2024 17:58:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:18:13.853440
• Title: Exact, Tractable Gauss-Newton Optimization in Deep Reversible Architectures Reveal Poor Generalization
• Title（参考訳）: 深い可逆的アーキテクチャにおける厳密でトラクタブルなガウス-ニュートン最適化
• Authors: Davide Buffelli, Jamie McGowan, Wangkun Xu, Alexandru Cioba, Da-shan Shiu, Guillaume Hennequin, Alberto Bernacchia,
• Abstract要約: 正確なGauss-Newton(GN)更新が、可逆アーキテクチャのクラスにおいて、牽引可能な形式を初めて示す。 GNの精度は,ミニバッチトレーニング環境では不十分であることが判明した。 我々の実験は遅延状態にあり、トレーニング中に神経核(NTK)がほとんど変化しないことを示す。
• 参考スコア（独自算出の注目度）: 52.16435732772263
• License:
• Abstract: Second-order optimization has been shown to accelerate the training of deep neural networks in many applications, often yielding faster progress per iteration on the training loss compared to first-order optimizers.However, the generalization properties of second-order methods are still being debated. Theoretical investigations have proved difficult to carry out outside the tractable settings of heavily simplified model classes -- thus, the relevance of existing theories to practical deep learning applications remains unclear. Similarly, empirical studies in large-scale models and real datasets are significantly confounded by the necessity to approximate second-order updates in practice. It is often unclear whether the observed generalization behaviour arises specifically from the second-order nature of the parameter updates, or instead reflects the specific structured (e.g.\ Kronecker) approximations used or any damping-based interpolation towards first-order updates. Here, we show for the first time that exact Gauss-Newton (GN) updates take on a tractable form in a class of deep reversible architectures that are sufficiently expressive to be meaningfully applied to common benchmark datasets. We exploit this novel setting to study the training and generalization properties of the GN optimizer. We find that exact GN generalizes poorly. In the mini-batch training setting, this manifests as rapidly saturating progress even on the \emph{training} loss, with parameter updates found to overfit each mini-batchatch without producing the features that would support generalization to other mini-batches. We show that our experiments run in the ``lazy'' regime, in which the neural tangent kernel (NTK) changes very little during the course of training. This behaviour is associated with having no significant changes in neural representations, explaining the lack of generalization.
• Abstract（参考訳）: 2階最適化は、多くのアプリケーションにおけるディープニューラルネットワークのトレーニングを加速することを示しており、しばしば1階最適化よりもトレーニング損失の反復1回あたりの進行が速いことが示されているが、2階最適化法の一般化特性はまだ議論されている。 理論的な調査は、非常に単純化されたモデルクラスの難解な設定の外で実施することは困難であることが判明した。 同様に、大規模モデルと実際のデータセットにおける実証的研究は、実際には2階更新を近似する必要があるため、著しく理解されている。 観測された一般化の挙動がパラメータ更新の2階の性質から特に生じるのか、それとも特定の構造化された(例えば、クロネッカー)近似を反映しているか、あるいは1階更新に向けて減衰に基づく補間を反映しているかは、しばしば不明である。 ここでは,Gauss-Newton (GN) の正確な更新が,一般的なベンチマークデータセットに有意に適用できる程度に表現可能な,深い可逆的アーキテクチャのクラスにおいて,抽出可能な形式を初めて示す。 我々は、GNオプティマイザのトレーニングおよび一般化特性を研究するために、この新しい設定を利用する。 正確な GN の一般化は不十分である。 ミニバッチのトレーニング設定では、これは \emph{training} の損失でも急速に進行し、パラメータ更新によって各ミニバッチがオーバーフィットし、他のミニバッチへの一般化をサポートする機能を生成することなく現れる。 我々の実験は、トレーニング中に神経タンジェントカーネル (NTK) がほとんど変化しない 'lazy'' 体制で実行されることを示す。 この振る舞いは、神経表現に顕著な変化がなく、一般化の欠如を説明することに関係している。

関連論文リスト

• Simplicity bias and optimization threshold in two-layer ReLU networks [24.43739371803548]
  過度なパラメータ化にもかかわらず、ネットワークはトレーニングデータを補間するのではなく、より単純な解へと収束することを示す。 我々の分析は、ニューロンが特定の方向に向かっているいわゆる早期アライメントフェーズに依存しています。
  論文  参考訳（メタデータ） (2024-10-03T09:58:57Z)
• Towards Demystifying the Generalization Behaviors When Neural Collapse Emerges [132.62934175555145]
  Neural Collapse(NC)は、トレーニング末期(TPT)におけるディープニューラルネットワークのよく知られた現象である 本稿では,列車の精度が100%に達した後も,継続訓練がテストセットの精度向上に繋がる理由を理論的に説明する。 我々はこの新たに発見された性質を「非保守的一般化」と呼ぶ。
  論文  参考訳（メタデータ） (2023-10-12T14:29:02Z)
• Theoretical Characterization of the Generalization Performance of Overfitted Meta-Learning [70.52689048213398]
  本稿では,ガウス的特徴を持つ線形回帰モデルの下で,過剰適合型メタラーニングの性能について検討する。 シングルタスク線形回帰には存在しない新しい興味深い性質が見つかる。 本分析は,各訓練課題における基礎的真理のノイズや多様性・変動が大きい場合には,良心過剰がより重要かつ容易に観察できることを示唆する。
  論文  参考訳（メタデータ） (2023-04-09T20:36:13Z)
• Rethinking Gauss-Newton for learning over-parameterized models [14.780386419851956]
  まず, 条件改善によるGDよりも高速な収束率を示す連続時間限界において, GNのグローバル収束結果を確立する。 次に,GNの手法の暗黙的偏見を調べるために,合成回帰タスクに関する実証的研究を行った。
  論文  参考訳（メタデータ） (2023-02-06T16:18:48Z)
• Real-World Compositional Generalization with Disentangled Sequence-to-Sequence Learning [81.24269148865555]
  最近提案されたDunangled sequence-to-sequence model (Dangle)は、有望な一般化能力を示している。 このモデルに2つの重要な変更を加え、より不整合表現を奨励し、その計算とメモリ効率を改善する。 具体的には、各タイミングでソースキーと値を適応的に再エンコードするのではなく、表現をアンタングルし、キーを定期的に再エンコードする。
  論文  参考訳（メタデータ） (2022-12-12T15:40:30Z)
• Instance-Dependent Generalization Bounds via Optimal Transport [51.71650746285469]
  既存の一般化境界は、現代のニューラルネットワークの一般化を促進する重要な要因を説明することができない。 データ空間における学習予測関数の局所リプシッツ正則性に依存するインスタンス依存の一般化境界を導出する。 ニューラルネットワークに対する一般化境界を実験的に解析し、有界値が有意義であることを示し、トレーニング中の一般的な正規化方法の効果を捉える。
  論文  参考訳（メタデータ） (2022-11-02T16:39:42Z)
• Flatter, faster: scaling momentum for optimal speedup of SGD [0.0]
  ニューラルネットワークのトレーニングにおいて、勾配降下(SGD)とラベルノイズと運動量との相互作用から生じるトレーニングダイナミクスについて検討した。 運動量ハイパーパラメータ1-NISTbeta$を学習率で2/3$にスケーリングすると、一般化を犠牲にすることなく、最大で2/3$のトレーニングが加速することがわかった。
  論文  参考訳（メタデータ） (2022-10-28T20:41:48Z)
• Stochastic Training is Not Necessary for Generalization [57.04880404584737]
  勾配降下の暗黙的な正則化(SGD)は、ニューラルネットワークで観測される印象的な一般化の振る舞いに基礎的であると広く信じられている。 本研究では,SGDと同等のCIFAR-10において,非確率的フルバッチトレーニングが強力な性能を発揮することを示す。
  論文  参考訳（メタデータ） (2021-09-29T00:50:00Z)
• Double Descent and Other Interpolation Phenomena in GANs [2.7007335372861974]
  生成逆数ネットワーク(GAN)における潜在空間次元の関数としての一般化誤差について検討する。 そこで我々は,実出力サンプルと組み合わせて,一対の合成(雑音)入力を利用するGANのための新しい擬似教師付き学習手法を開発した。 解析は主に線形モデルに焦点をあてるが、非線形多層GANの一般化に重要な洞察を与える。
  論文  参考訳（メタデータ） (2021-06-07T23:07:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。