Core Concepts
深層ニューラルネットワークにおいても生物学的ニューラルネットワークと同様に1/fノイズが観測されることを示した。ネットワークの容量が過剰になると1/fノイズから白色ノイズへと変化することを明らかにした。これは、多くのニューロンが有効に活用されていないことを示唆している。内部活性と外部活性の間でも1/fノイズのパターンの違いが観察され、これは脳信号の特徴と類似していることを発見した。
Abstract
本研究では、深層ニューラルネットワークの一種であるLSTMネットワークを用いて、1/fノイズの存在を明らかにした。
まず、IMDbデータセットを用いてLSTMネットワークを学習させ、ニューロンの活性値の時系列データを取得した。この時系列データに対してDFA(Detrended Fluctuation Analysis)を適用し、1/fノイズの指数βを算出した。その結果、LSTMネットワークの活性値には明確な1/fノイズのパターンが観察された。一方、入力データには白色ノイズしか観察されず、1/fノイズはネットワーク内部で生成されていることが示された。
次に、LSTMネットワークの容量を変化させた実験を行った。ネットワークの容量が大きくなるにつれ、1/fノイズの指数βが減少し、白色ノイズに近づくことが分かった。これは、ネットワークの容量が過剰になると多くのニューロンが有効に活用されず、活性が低下することが原因だと考えられる。
さらに、LSTMネットワークの内部活性と外部活性を分けて解析したところ、内部活性の方が外部活性よりも1/fノイズの指数βが小さいことが分かった。この傾向は、脳信号のEEGとfMRIの違いと類似していることが示された。
以上の結果から、深層ニューラルネットワークにおいても生物学的ニューラルネットワークと同様の1/fノイズの特性が見られることが明らかになった。深層ニューラルネットワークは生物学的ニューラルネットワークよりも実験的に操作しやすいため、1/fノイズの本質的な理解につながると期待される。
Stats
LSTMネットワークの活性値の1/fノイズ指数βは以下の通りである:
入力データ: β = 0.002 ± 0.116
出力活性(ht): β = 0.833 ± 0.132