Core Concepts
ニューラルネットワークの感度を直接的かつ簡単に制御できる新しいフレームワークを提案する。これは凸ニューラルネットワークとレジャンドル・フェンシェル双対性に基づいている。
Abstract
本論文では、ニューラルネットワークの感度を制御するための新しいフレームワークを提案している。ニューラルネットワークの振る舞いの背後にある機構はまだよく理解されていないが、研究者たちは、その性質を制限・操作することで新しい洞察と制御を得ようとしてきた。特に、バイリップシッツ性の概念が有益なインダクティブバイアスとして証明されてきた。しかし、その複雑さから、バイリップシッツ構造の設計と制御は遅れており、バイリップシッツ性を直接的かつ簡単に制御でき、理論的分析も堅固な新しいモデルが不足している。
本論文では、凸ニューラルネットワークとレジャンドル・フェンシェル双対性に基づいた新しいバイリップシッツフレームワークを提案する。このフレームワークは、バイリップシッツ定数を直接的かつ簡単に制御でき、望ましい性質が具体的な実験で示されている。また、この枠組みを不確実性推定と単調問題設定に適用し、幅広い応用範囲を示している。
Stats
ニューラルネットワークの感度を表すバイリップシッツ定数の推定は NP 困難な問題である。
既存のバイリップシッツモデルには理論的保証がなかったり、表現力が限定的だったりする問題がある。
層ごとのバイリップシッツ性の制御は一般に緩い上限を与える。
Quotes
ニューラルネットワークの振る舞いの背後にある機構はまだよく理解されていない。
バイリップシッツ性は有益なインダクティブバイアスとして証明されてきた。
既存のバイリップシッツモデルには理論的保証や表現力の問題がある。