MétaCan
Menu
Retour à la cohorte
Enregistrement W7133004520

Optimization and Loss Landscape Geometry of Deep Learning

2022· dissertation· W7133004520 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTSpace · 2022
Typedissertation
Langue
DomaineComputer Science
ThématiqueStochastic Gradient Optimization Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDeep learningArtificial neural networkDeep neural networksSet (abstract data type)Class (philosophy)Convolutional neural networkOptimization problemFocus (optics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,656
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,290
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle