編者按：多層神經(jīng)網(wǎng)絡(luò)在多種基準(zhǔn)任務(wù)上都有了顯著成果，例如文本、語(yǔ)音和圖像處理。盡管如此，這些深層神經(jīng)網(wǎng)絡(luò)會(huì)導(dǎo)致高維非線性的參數(shù)空間，讓搜索難以進(jìn)行，并且還會(huì)導(dǎo)致過(guò)度擬合和較差的泛化。早期由于數(shù)據(jù)不足、無(wú)法恢復(fù)梯度損失以及不良局部最小值而引起的高捕捉概率，讓使用反向傳播的神經(jīng)網(wǎng)絡(luò)很容易失敗。

2006年，Hinton的深度學(xué)習(xí)提出了一些創(chuàng)新的方法以減少這些過(guò)度擬合和過(guò)度參數(shù)化的問(wèn)題，包括減少連續(xù)梯度損失的ReLU和Dropout等。在這篇文章中，美國(guó)羅格斯大學(xué)的兩位研究者將關(guān)注深層網(wǎng)絡(luò)的過(guò)度參數(shù)化問(wèn)題，盡管現(xiàn)在各項(xiàng)分類(lèi)任務(wù)都有大量可用的數(shù)據(jù)。本文已提交到NIPS 2018，以下是論智對(duì)原文的大致編譯，如有錯(cuò)誤請(qǐng)批評(píng)指正。

Dropout是用來(lái)減輕過(guò)度參數(shù)化、深度學(xué)習(xí)的過(guò)擬合以及避免偶然出現(xiàn)的不良局部最小值。具體說(shuō)來(lái)，Dropout在每次更新時(shí)會(huì)添加一個(gè)帶有概率p的Bernoulli隨機(jī)變量、刪除隱藏的單元以及網(wǎng)絡(luò)中的連接，從而創(chuàng)造一個(gè)稀疏的網(wǎng)絡(luò)架構(gòu)。學(xué)習(xí)結(jié)束后，深度學(xué)習(xí)網(wǎng)絡(luò)會(huì)通過(guò)計(jì)算每個(gè)權(quán)重的期望值進(jìn)行重組。大多數(shù)案例證明，深度學(xué)習(xí)的Dropout能將常見(jiàn)基準(zhǔn)的錯(cuò)誤減少50%以上。

在這篇論文中，我們將介紹一種通用的Dropout類(lèi)型，它可以在權(quán)重層面操作，在每次更新中插入梯度相關(guān)的噪音，稱(chēng)為隨機(jī)Delta規(guī)則（SDR）。SDR是在每個(gè)權(quán)重上執(zhí)行一個(gè)隨機(jī)變量，并對(duì)隨機(jī)變量中的每個(gè)參數(shù)提供更新之后的規(guī)則。雖然SDR在任意隨機(jī)變量下都能工作，但是我們將展示，Dropout在擁有二項(xiàng)式隨機(jī)變量中的固定參數(shù)下是非常特別的。最終我們?cè)诤懈咚筍DR的標(biāo)準(zhǔn)基準(zhǔn)下測(cè)試DenseNet，結(jié)果證明二項(xiàng)式Dropout有著非常大的優(yōu)勢(shì)。

隨機(jī)delta規(guī)則（SDR）

眾所周知，神經(jīng)傳輸會(huì)包含噪聲。如果皮質(zhì)分離的神經(jīng)元受到周期性、相同的刺激，將會(huì)產(chǎn)生不同的反應(yīng)。SDR的部分motivation是基于生命系統(tǒng)中信號(hào)在神經(jīng)元之間傳播的隨機(jī)性。顯然，平滑的神經(jīng)速率函數(shù)是基于很多刺激實(shí)驗(yàn)得來(lái)的平均值，這使得我們認(rèn)為兩個(gè)神經(jīng)元之間的突觸可以用一個(gè)具有固定參數(shù)的分布建模。

圖1顯示了我們用一個(gè)高斯隨機(jī)變量和平均μwij以及σwij實(shí)施的SDR算法。每個(gè)權(quán)重都會(huì)從高斯隨機(jī)變量中進(jìn)行采樣。實(shí)際上，和Dropout一樣，很多網(wǎng)絡(luò)都是在訓(xùn)練時(shí)的更新中進(jìn)行采樣。這里和Dropout的不同之處在于，SDR在更新時(shí)，會(huì)根據(jù)錯(cuò)誤的梯度調(diào)整權(quán)重和隱藏單元。

圖1

因此，每個(gè)權(quán)重梯度就是基于隱藏單元的隨機(jī)變量，基于此，系統(tǒng)可以：

給定相同的樣本/獎(jiǎng)勵(lì)，生成多個(gè)回復(fù)假設(shè)

保持歷史預(yù)測(cè)，而不像Dropout一樣只有局部的隱藏單元權(quán)重

有可能會(huì)返回到不良局部最小值而造成貪婪搜索，但同時(shí)越來(lái)越遠(yuǎn)離更好的局部最小值

最后一個(gè)優(yōu)點(diǎn)是，如Hinton所說(shuō)，局部噪聲的插入可能會(huì)導(dǎo)致收斂到更好的局部最小值的速度更快、更穩(wěn)定。

實(shí)施SDR有三個(gè)更新規(guī)則，以下是權(quán)重分布中的權(quán)重值的更新規(guī)則：

第一個(gè)更新規(guī)則用于計(jì)算權(quán)重分布的平均數(shù)：

第二個(gè)用于權(quán)重分布的標(biāo)準(zhǔn)偏差：

第三種是將標(biāo)準(zhǔn)偏差收斂到0，讓平均權(quán)重值達(dá)到一個(gè)固定點(diǎn)，將所有樣本都聚集起來(lái)：

接下來(lái)，我們將講述Dropout如何成為SDR的特殊情況。最明顯的方法是首先將隨機(jī)搜索看作一種特殊的采樣分布。

將Dropout看作SDR的二項(xiàng)式固定參數(shù)

如之前所說(shuō)，Dropout需要將每層的隱藏單元在Bernoulli過(guò)程中刪除。如果我們?cè)谕瑯拥木W(wǎng)絡(luò)中，將Dropout和SDR進(jìn)行對(duì)比，可以發(fā)現(xiàn)二者的不同在于隨機(jī)處理是否影響了權(quán)重或隱藏單元。圖2我們描述了Dropout在隱藏單元采樣時(shí)的收斂?？梢钥吹矫黠@的不同是，SDR在適應(yīng)性地更新隨機(jī)變量參數(shù)，而Dropout是用固定參數(shù)進(jìn)和Binomial隨機(jī)變量進(jìn)行采樣。另一個(gè)重要區(qū)別在于，SDR在隱藏層中的共享權(quán)重比Dropout的更“局部”。

圖2

那么，SDR所表現(xiàn)出的參數(shù)的增加，是否使得搜索更加有效、更加穩(wěn)定？下一步我們將開(kāi)展實(shí)驗(yàn)。

測(cè)試及結(jié)果

這里我們采用了在TensorFlow上搭建的經(jīng)過(guò)改進(jìn)的DenseNet。模型用DenseNet-40、DenseNet-100和DenseNet-BC 100網(wǎng)絡(luò)，它們經(jīng)過(guò)了CIFAR-10和CIFAR-100的訓(xùn)練，初始DenseNet參數(shù)相同。

最終的結(jié)果顯示，將SDR換成Dropout后的DenseNet測(cè)試中，錯(cuò)誤率下降了50%以上。

同時(shí)在錯(cuò)誤率分別為15、10和5的情況下，訓(xùn)練所需次數(shù)也比單獨(dú)DenseNet減少：

訓(xùn)練精確度（DenseNet-100橙色，有SDR的DenseNet-100，藍(lán)色）

結(jié)語(yǔ)

這篇文章展示了一個(gè)基礎(chǔ)的深度學(xué)習(xí)算法（Dropout）是如何實(shí)施隨機(jī)搜索并幫助解決過(guò)度擬合的。未來(lái)我們將展示SDR是如何超越Dropout在深度學(xué)習(xí)分類(lèi)中的表現(xiàn)的。

數(shù)據(jù)科學(xué)家、fast.ai創(chuàng)始人Jeremy Howard點(diǎn)評(píng)：“如果該論文結(jié)果真的這么好，那絕對(duì)值得關(guān)注?！?/p>

但是谷歌機(jī)器學(xué)習(xí)專(zhuān)家David Ha有不同意見(jiàn)：“結(jié)果看上去很可疑（我覺(jué)得他們搞錯(cuò)了）。CIFAR-10的準(zhǔn)確率能到98.64%，CIFAR-100真的能到94.84%嗎？”