Learning to learn by gradient descent by gradient descent

@NIPS2016読み会

発表者 福田 宏幸

自己紹介

福田 宏幸

2000年4月 (株)電通 入社 コピーライター

2016年7月 (株)電通デジタル 出向

2016年9月 東京大学新領域創成科学研究科

博士課程1年

専門：バイオインフォマティクス

イントロダクション

本論文の要旨

Deep Learningが

学習法の学習も手に入れた。

学習法の学習？

• Deep Learningの成功＝特徴量の自動学習

• しかし、 学習アルゴリズム（SGD等の最適化アルゴリズム）の設計は、未だ人間。

• 本論文では、学習アルゴリズム自体をディープラーニングで学習する方法を提案。

Alpha GoのDeepMind社の論文

著者のNIPSでの講演

https://www.youtube.com/watch?v=tPWGGwmgwG0

Deep Learningにおける学習

• コスト関数の設定 二乗誤差 クロスエントロピー

• 高次元、非凸関数。

• 勾配降下法（Gradient Descent）等により コスト関数を最小にするパラメーターを探索

勾配降下法(Gradient Descent)

• 傾きに沿ってパラメーターθを更新していく

• α：学習率 αが大きすぎる：振動する。 αが小さすぎる：更新が遅い。

http://prog3.com/sbdm/blog/google19890102/article/details/50276775

発展形

• パラメーターの更新の仕方がそれぞれ違う

• Adagrad(2011)

• RMSprop(2012)

• ADAM(2015)

http://postd.cc/optimizing-gradient-descent/#fnref:3

http://postd.cc/optimizing-gradient-descent/#fnref:3

学習法を学習する

何を学習すればよいのか？

• 更新量をディープラーニングが学習

• Optimizee: ｆ（θ） 学習したい問題の誤差関数 Optimizer: g（φ） 更新量を出力するNN

Gradient Descent

Learning to Learn

誤差関数をどう定義するか？

• 「良い最適化」を定義したい

• 確率分布に従って生成された誤差関数を平均的に最適化する

θ*(f,φ) 最適化されたパラメータ

誤差関数をどう定義するか？

• 勾配の時系列を扱えるように定式化

• m：LSTM ：時刻tの勾配 ：時刻tの状態

：ウエイト。論文では1を使用。

ネットワーク

• LSTMに、時刻tでの勾配を入力していく。

※LSTMの方のパラメーター最適化は、Adam。

• 計算量を減らすために、それぞれのパラメータについて独立に更新していく。 （LSTMの重みのみ共通）

Coordinatewise LSTM

実験結果

実験

• Quadratic

• MNIST

• CIFAR10

• DEEP ART

• Optimizeeが、二次関数。

• Wとyの値をサンプリングで生成し、学習。

• 他のアルゴリズムに比べて早く収束。

Quadratic Function

MNIST

• 同じく早く収束。

• テスト時の活性化関数を ReLUに変えると収束しない。

MNIST

• 最終的な誤差の値も少さい。

CIFAR10

• CNNでも実験。 （3layers, 32hidden units）

• 畳込み層と全結合層では重みを共有しない。

• CIFAR5、CIFAR2への転移学習も上手くいく。

DEEP ART

• 1800の画像と、1つのスタイルを学習。

DEEP ART

• 高解像度画像への転移学習。 64×64pixels→128×128pixels

DEEP ART

• ディープラーニングが問題を 上手く一般化できている。

まとめ

まとめ

• ディープラーニングにより、学習アルゴリズム自体を学習する方法を提案

• 既存の最適化手法を上回る精度を得た。

• 問題の構造を上手く一般化することができた。

個人的感想

• 結局チューニングがありそう。

• 大きなデータセット、ネットワー？

• データマイニングのコンペティションで試してみたい。

実装も公開されています

• 本家 https://github.com/deepmind/learning-to-learn

• シンプルな実装 http://runopti.github.io/blog/2016/10/17/learningtolearn-1/