講演抄録/キーワード |
講演名 |
2019-06-18 14:45
Fixup initializationの理論解析: 学習の高速化とResNetの汎化能力向上 ○古庄泰隆・池田和司(奈良先端大) NC2019-19 IBISML2019-17 |
抄録 |
(和) |
FixupはResNetのパラメータの新しい初期化方法で,確率的勾配降下法で大きな学習率を設定できるため学習が高速化し,さらにResNetの汎化能力も向上することが実験的に知られている.しかしながらその理由は明らかではない.学習が収束するための学習率と汎化能力は損失関数の形状,特に初期値時点でのヘッセ行列の最大固有値に関係する.そこで本研究ではfixup及び従来手法であるHeの方法で初期化したResNetのヘッセ行列の最大固有値を計算した.その結果fixupではヘッセ行列がスパースになり,最大固有値は層の数に対して高々平方根で増加する.一方でHeの初期化は最大固有値が層の数に対して指数的に増加する.Fixupのこの小さな最大固有値が学習を高速化しResNetの汎化性能を向上させる.数値実験も上記の理論結果と一致することを確認した. |
(英) |
The Fixup initialization is a new initialization method of ResNet for a fast convergence with a high learning rate of SGD and a high generalization ability. However, the reasons for its high performance are not clear.
Both the learning rate and the generalization ability are affected by the loss landscape at initialization, that is, the maximum eigenvalue of the Hessian matrix. Thus, we calculated the maximum eigenvalue of the ResNet and found that the maximum eigenvalue with the Fixup initialization has at most the square root order with respect to the depth of the ResNet while that with the He initialization has the exponential order. This small eigenvalue leads to a fast convergence with a high learning rate of SGD and a high generalization ability. |
キーワード |
(和) |
ディープニューラルネットワーク / ResNet / 初期化 / Fixup / / / / |
(英) |
Deep neural network / ResNet / Initialization / Fixup / / / / |
文献情報 |
信学技報, vol. 119, no. 89, IBISML2019-17, pp. 109-114, 2019年6月. |
資料番号 |
IBISML2019-17 |
発行日 |
2019-06-10 (NC, IBISML) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2019-19 IBISML2019-17 |
研究会情報 |
研究会 |
NC IBISML IPSJ-MPS IPSJ-BIO |
開催期間 |
2019-06-17 - 2019-06-19 |
開催地(和) |
沖縄科学技術大学院大学 |
開催地(英) |
Okinawa Institute of Science and Technology |
テーマ(和) |
NC、機械学習によるバイオデータマイニング、一般 |
テーマ(英) |
Neurocomputing, Machine Learning Approach to Biodata Mining, and General |
講演論文情報の詳細 |
申込み研究会 |
IBISML |
会議コード |
2019-06-NC-IBISML-MPS-BIO |
本文の言語 |
日本語 |
タイトル(和) |
Fixup initializationの理論解析: 学習の高速化とResNetの汎化能力向上 |
サブタイトル(和) |
|
タイトル(英) |
Theoretical Analysis of the Fixup Initialization for Fast Convergence and High Generalization Ability |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ディープニューラルネットワーク / Deep neural network |
キーワード(2)(和/英) |
ResNet / ResNet |
キーワード(3)(和/英) |
初期化 / Initialization |
キーワード(4)(和/英) |
Fixup / Fixup |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
古庄 泰隆 / Yasutaka Furusho / フルショウ ヤスタカ |
第1著者 所属(和/英) |
奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST) |
第2著者 氏名(和/英/ヨミ) |
池田 和司 / Kazushi Ikeda / イケダ カズシ |
第2著者 所属(和/英) |
奈良先端科学技術大学院大学 (略称: 奈良先端大)
Nara Institute of Science and Technology (略称: NAIST) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2019-06-18 14:45:00 |
発表時間 |
25分 |
申込先研究会 |
IBISML |
資料番号 |
NC2019-19, IBISML2019-17 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.88(NC), no.89(IBISML) |
ページ範囲 |
pp.87-92(NC), pp.109-114(IBISML) |
ページ数 |
6 |
発行日 |
2019-06-10 (NC, IBISML) |
|