Beyond Neural Collapse: Geometric Configurations of Deep Networks Trained with Mixup
Notice bibliographique
Résumé
Neural Collapse is a phenomenon in which the last-layer activations and classifier of deep networks collapse to the geometric configuration of a simplex equiangular tight frame (ETF). The prominence of Neural Collapse prompts us to consider whether similar or alternate configurations occur with other training processes. Mixup is a straightforward data augmentation technique that involves taking convex combinations of training examples along with their labels. It has been shown to improve generalization and calibration of deep networks. However, despite much effort, it is still not fully clear how and why mixup works. In an attempt to better understand mixup, we examine the last-layer activations of training data for deep networks trained with mixup. We find that across various architecture and dataset pairs, the last-layer activations of mixup training data predominantly converges to a specific configuration. This configuration can be characterized by the clustering of same-class mixup activations (from mixed up examples of the same class) aligning with the classifier as a simplex ETF, and different-class mixup activations (from mixed up examples of different classes) forming what we refer to as ``channels" running in between the clusters of same-class activations. To corroborate our empirical findings, we also analyze this phenomenon under an unconstrained features model assumption using the mixup loss. We derive and characterize the optimal last layer features, leading to a configuration that aligns with our experimental results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».