[DL輪読会]QUASI-RECURRENT NEURAL NETWORKS
7 likes4,314 views
2017/2/24 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]QUASI-RECURRENT NEURAL NETWORKS
- 1. Quasi-Recurrent Neural Networks James Bradbury, Stephen Merity, Caiming Xiong, Richard Socher 17/02/01
- 2. アジェンダ • 書誌情報 • 背景 • 関連研究 • 提案モデル • 実験・結果 • 結論
- 3. 書誌情報 • ICLR2017 Accepted Paper • Poster Presentation • 採点（6, 7, 5, 7） • Author • Salesforce Researchのグループ • Last authorはRecursive NNのRichard Socher
- 4. 背景 • RNN • 深層学習で系列データを扱う場合、標準的になってきている • 並列計算ができない • ⻑い系列を扱いにくい • CNN • 系列データを扱う際にも有⽤であることが⽰されている • 並列計算が可能 • QRNN（提案⼿法） • CNN-like：並列計算を時系列、ミニバッチの次元について可能 • RNN-like：⼊⼒系列の順序全体が出⼒に影響を与える
- 5. 関連研究 • Strongly-typed recurrent neural networks • Convolutional-recurrent models • ByteNet • QRNN encoder-decoderモデルが似ている
- 6. 提案モデル • QRNN
- 7. 提案モデル • QRNNはCNNにおける畳み込み層とプーリング層に対応する 2層からなる • ⼊⼒として系列⻑Tでn次元のベクトルX∈RT×nを受け取り、 時系列⽅向に畳み込みを⾏う • 畳み込みの際に未来の情報を含まないようにするため、 Masked convolution（系列⽅向にfilter幅に応じたpadding）を⾏う • Z, F, Oを下の式に応じて得る • Zの活性化関数はtanh, F, Oではシグモイド関数 • *は時系列⽅向へのMasked Convolutionを表す
- 8. 提案モデル • Pooling • 3つのpoolingを提案 • f-pooling • fo-pooling • ifo-pooling
- 9. 提案モデル • Regularization • Recurrent connectionに対して提案されている正則化のうち、 zoneoutを⽤いる（variational inference-based dropoutは使えない） • Zoneoutは以下で実装可能 • Densely-connected layers • Sequence classificationタスクにおいては、QRNNの各層間に skip-connectionを⼊れた⽅が良い • Encoder-Decoder Models • Vl: l層の最終のencoding state
- 10. 実験・結果 • QRNNの精度および実⾏時間を検証するため下記の実験を⾏う • Sentiment Classification • Language Modeling • Character-level Neural Machine Translation
- 11. 実験・結果 • Sentiment classification: IMDb Dataset • 映画についてのレビューおよび採点のデータ • X: レビュー⽂章（英語、⾃然⾔語） • y: 対象についてpositive/negativeの評価（⼆値分類） • 分類精度にて評価（従来のLSTMとの実⾏時間の差も合わせて⽐較）
- 12. 実験・結果 • 4層のdensely-connected QRNNで最も良い精度 • 256unit/layer, 300次元word vector(GloVe embedding) • Dropout = 0.3, L2 regularization = 4 × 10-6 • Minibatch = 24, RMSprop, learning rate = 0.001, α=0.9, ε=10-8
- 13. 実験・結果 • IMDb sentiment analysis • LSTMと同程度の精度である⼀⽅、エポックあたりの時間は1/3程度
- 14. 実験・結果 • 隠れ層の可視化
- 15. 実験・結果 • Language modeling: Penn Treebank • コーパスの⼀種であり、各⽂に統語構造の注釈が付与されたもの • Word-level predictionを⾏う • 929k training words, 73k validation words, 82k test words • Vocabularyは10k • Perplexityにて評価（低い⽅が良い）
- 16. 実験・結果 • 2層、640 unit/layer（32の倍数の⽅が計算効率が良いらしい） • Penn Treebankは⽐較的⼩さいデータセットであり、 過学習を防ぐことが重要となる • 最適化はSGD + momentumで⾏い、学習率は最初の6epochの 間、1に設定された後、減衰率0.95で⼩さくなる（計72epoch）
- 17. 実験・結果 • Penn Treebank language modeling task • 通常のLSTM（正則化なし）と⽐較して良いperplexity • 正則化を⾏なった場合も、highly competitive
- 18. 実験・結果 • Batchあたりの処理時間 • Chainer default LSTM, 最適化されたcuDNNによるLSTMと⽐較して、 QRNNでは “RNN” 部分の計算時間が減少している
- 19. 実験・結果 • Character-level neural machine translation: IWSLT English-German spoken language translation task • Sequence-to-sequence QRNNを評価する • ドイツ語 -> 英語の翻訳（Character levelのsegmentation） • 209,772sentence pair (TEDxから) • 187 Unicode code points
- 20. 実験・結果 • 4層、320unit/layer、dropoutまたはL2regularizationなし • 最初の畳み込み層のfilter幅 = 6、その他はfilter幅 = 2 • 最適化はAdamにて⾏い、計10epoch実施
- 21. 実験・結果 • IWSLT English-German spoken language translation task • Character-level LSTMを上回る精度 • Word-level attentionによるbase lineとほぼ同程度
- 22. 結論 • RNNとCNNの良い部分を合わせたようなQRNNを提案 • 複数のタスクにおいて、従来のLSTMと同程度または 少し上回る性能を⽰す • Epochあたりに要する時間は25 ~ 50%程度になった