Notice bibliographique
Résumé
The impressive success of deep learning is powered by models that are rapidly growing in size along with the computational resources that are used to train them. Despite these growing demands, the dominant tools used to train these networks have not evolved significantly to match these needs. One natural hypothesis for this limitation is our lack of understanding of the training dynamics of deep neural networks. In this thesis, I present our research on understanding and improving the optimization of deep learning models. The thesis begins by presenting two first-order optimization algorithms for deep learning: the Aggregated Momentum and Lookahead optimizers. We demonstrate their success on modern deep learning optimization problems and provide theoretical analyses of both optimizers in convex settings. However, our theoretical understanding of optimization for practical training of deep neural networks is severely limited. Following this, we turn towards building a better understanding of deep learning optimization. We achieve this by studying the loss landscape geometry of deep neural networks. This is extremely challenging due to non-convex objective functions and extremely high-dimensional parameter spaces. We address this by first studying a simple class of neural networks: two-layer linear networks. Despite their simplicity, these models capture some core challenges of deep learning optimization effectively. Within this class, we investigate regularized linear autoencoders and linear variational autoencoders and carefully characterize their loss landscape geometry theoretically. We then move beyond the simple class of two-layer linear networks to investigate a phenomenon that arises across a vast set of deep learning optimization problems. This phenomenon, which we term the Monotonic Linear Interpolation (MLI) property, describes a global property of the loss landscape geometry of deep learning models. We provide the first theoretical explanation of this phenomenon and conduct a thorough empirical investigation to better understand the pervasiveness and limitations of the MLI property. In the final chapter, the thesis is discussed as a whole and promising directions for future research are presented.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».