Deep Learning と位相・微分幾何学 Connection automated A.I. 2018/1/14 (Sun.) 

多様体仮説 （抜粋） 『近年，機械学習分野において， 「現実世界の高次元データは，本質的に低次元であ る」 という多様体仮説 を元にした学習方法が見られる． 深層学習においても，多様 体仮説に基づく学習方法がそうでない学習方 法と比較して性能が良いことが示唆さ れている. 』 （出典） 全脳アーキテクチャ・イニシアティブ 11 回全脳アークテクチャー勉強会 「Deep Learning の中身に迫る」 報告書 http://ailab.dwango.co.jp/technical_report/DWAL-TR-2015-004.pdf 

深層学習モデルは、「アフィン変換」によって、 入力データの特徴量（＝本質的な情報） を抽出する  深層学習モデルは、入力データが持つ「本質的な情報（量）」 ＝入力データの特徴量を取り出そうとする。  深層学習モデルは、前の中間層から次の中間層へとデータを受け渡す度に、 データを拡大縮小したり、回転させたり、ゆがめたり、平行移動させる幾何学 的な操作を加えていく。  この操作を繰り返すことで、入力データがもつ「本質的な情報（量）」を最大 限に保存する、別の幾何学構造体（多様体）”を得ようとする。  獲得される新たな幾何学構造体（多様体）の次元数は、最終中間層の次元 数＝最終中間層のノードの数となる。通常、入力データの次元数よりも小さ い） 

深層学習モデルは、「アフィン変換」によって、 入力データの特徴量（＝本質的な情報） を抽出する  「データを拡大縮小したり、回転させたり、ゆがめたり、平行移動させる幾何 学的な操作」のことを、数学上のことばでは、 「同相写像」（「アフィン変換」）と呼ぶ。  この操作は、データを「切断したり折り返したり」はしない。 「線形変換」＝サイズを伸縮する・歪める操作と、 「平行移動」させる操作のみを適用する。 

「アフィン変換」を繰り返す様子 （出典） Koji Ohki Qiita記事 「ニューラルネットワーク、多様体、トポロジー」 https://qiita.com/KojiOhki/items/af2241027b00f892d2bd クラス分類タスクに取り組む 深層学習モデルの場合は、 もとの入力データを、 線形分離可能になるように、 入力データの幾何学構造 を変えようと頑張る。 

「アフィン変換」を繰り返す様子 （出典） Koji Ohki Qiita記事 「ニューラルネットワーク、多様体、トポロジー」 https://qiita.com/KojiOhki/items/af2241027b00f892d2bd 

「アフィン変換」について （出典） Hatena Blog 大人になってからの再学習 「アフィン変換とは」 http://zellij.hatenablog.com/entry/20120523/p1 

深層学習モデルのひとつの解釈  深層学習モデル（深層ニューラルネットワーク・モデル）とは、 入力データ（元データ）に幾何学的な構造変換操作（アフィン変換）を適用 することで、 ・ クラス分類を行いやすいデータ構造 ・ テキスト・画像・音声・動画データに潜む本質的な情報を圧縮できる データ構造 を得る（通常は、元データよりも小さな次元をもつ構造にする） ための「データの幾何学構造の変換（写像）操作」である。 （高次元の多様体を、小さな次元の多様体へと写像する操作） 

つまり、 分類精度や回帰予測精度、文章生成精度などが高い深層学習モデルは、 もともとのデータが備えていた「本質的な情報」を極力、損なわずに、 「より小さな次元（＝最終中間層のノード数に一致）の多様体」 へと写像変換することに成功した、 と解釈できる。 

深層学習モデルがアフィン変換によっておこなう 入力データ（＝多様体） から 低次限の別の多様体 への 同相写像 をもとに、数理解析的に、 もとの入力データがもっていた幾何学的な構造 を特定することができる、 元データのデータ構造を逆算的に特定できる 

精度の高い深層学習モデルが獲得した 「低次元の多様体」（＝情報構造体元） から、 「もともとのデータ」の「次元数」と「基底となる軸の接線方向」 を、数理解析的に、逆算的に得ることができる。 元データのデータ構造を逆算的に特定できる 

入力データ（元データ）の情報構造が獲得できる （得られる情報＝次元数と接線方向） （出典） 本武・池上 「Deep Neural Networksの力学的・幾何学的解析」 https://kaigi.org/jsai/webprogram/2016/pdf/773.pdf 

入力データ（元データ）の情報構造が獲得できる （得られる情報＝次元数と接線方向） （出典） 本武・池上 「Deep Neural Networksの力学的・幾何学的解析」 https://kaigi.org/jsai/webprogram/2016/pdf/773.pdf （抜粋） 「ニューラルネットワークが獲得した関数を， データセット多様体を大域的な座標系へ 写像する関数だとみなすと， その関数 を解析することで， 元の多様体の性質を知ることが可能となる． なぜならば，多様体から多様体への写像 の微分は，以下で 定義される多様体の接空間 を定義し，そこから多様体の次元や 接ベクトル 等の情報を得ることができるからである．」 

入力データ（元データ）の情報構造が獲得できる （得られる情報＝次元数と接線方向） （出典） 本武・池上 「Deep Neural Networksの力学的・幾何学的解析」 https://kaigi.org/jsai/webprogram/2016/pdf/773.pdf 

入力データ（元データ）の情報構造が獲得できる （得られる情報＝次元数と接線方向） （出典） 本武・池上 「Deep Neural Networksの力学的・幾何学的解析」 https://kaigi.org/jsai/webprogram/2016/pdf/773.pdf （抜粋） 「ニューラルネットワークの写像関数の微分 (ヤコビアン行列) の特異値・特異ベクトル のうち，0 より大きな特異値に対応する 特異ベクトルが多様体の接線方向を， 0 の特異値に対応するベクトルが 多様体の垂直方向をあらわす． 従って，0 でない特異値の数から， 多様体の次元もわかる．」 

入力データ（元データ）の情報構造が獲得できる （得られる情報＝次元数と接線方向） （出典） 本武・池上 「Deep Neural Networksの力学的・幾何学的解析」 https://kaigi.org/jsai/webprogram/2016/pdf/773.pdf （抜粋） 「ニューラルネットワークの写像関数の微分 (ヤコビアン行列) の特異値・特異ベクトル のうち，0 より大きな特異値に対応する 特異ベクトルが多様体の接線方向を， 0 の特異値に対応するベクトルが 多様体の垂直方向をあらわす． 従って，0 でない特異値の数から， 多様体の次元もわかる．」 

入力データ（元データ）の情報構造が持つ 次元数の獲得 （出典） 本武・池上 「Deep Neural Networksの力学的・幾何学的解析」 https://kaigi.org/jsai/webprogram/2016/pdf/773.pdf 

入力データ（元データ）の情報構造が持つ 接線方向を獲得する （出典） 本武・池上 「Deep Neural Networksの力学的・幾何学的解析」 https://kaigi.org/jsai/webprogram/2016/pdf/773.pdf （抜粋） 「ニューラルネットワークの写像関数の微分 (ヤコビアン行列) の特異値・特異ベクトル のうち，0 より大きな特異値に対応する 特異ベクトルが多様体の接線方向を， 0 の特異値に対応するベクトルが 多様体の垂直方向をあらわす．」 

入力データ（元データ）の情報構造が持つ 次元数を獲得する 正の値をもつ特異値の個数から、 入力データの多様体は、O(1) だと考えられる。 （出典） 本武・池上 「Deep Neural Networksの力学的・幾何学的解析」 https://kaigi.org/jsai/webprogram/2016/pdf/773.pdf 

tt-SNE（多様体学習法）を用いて、入力データを次元圧縮 して結果、推定される入力データの次元数は、3次元であった。 入力データ（元データ）の情報構造が持つ 次元数を獲得する 

深層学習モデルが、 入力データの『どこに注目しているか』 を可視化する手法としては、 Saliency map や Class Activatiom Map （CAM） が知られている。 これとは別に、深層学習モデルを用いて、 『入力データ』（次元の数 や 基底軸となる解釈軸の方向性は、未知） が、どのような幾何学構造をもつ情報の構造体なのか （「次元の数」と「接線方向」） を、数理的に導出することができる。 元データのデータ構造を逆算的に特定できる 

（微分幾何・情報幾何学と深層学習） 

自然勾配学習法  損失関数の偏微分ベクトル（勾配ベクトル）が最大値をとる方向に、 中間層の重み wi,j を更新するのが妥当なのは、 入力データが中間層によって 構造変換（同相変換）された結果、 得られる多様体の曲率が、 ユークリッド空間である場合 に限定される。  中間層によって 構造変換（同相変換）された結果、得られた多様体が、 リーマン多様体などである場合を考慮に入れて、 損失関数の偏微分値を、一般化した上で、 重みを更新する勾配の方向を見積もる必要があるという考え方。 

自然勾配学習法 （出典） 甘利 「自然勾配学習法－学習空間の幾何学」 https://www.jstage.jst.go.jp/article/sicejl1962/40/10/40_10_735/_pdf 

自然勾配学習法 （出典） 田中・杉原・須田 「自然勾配学習法の有効性」 https://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=29375&item_no=1&attribute_id=1&file_no=1 

情報幾何学 （出典） 大阪市立大学数学研究所ミニスクール 「情報幾何への入門と応用 http://www.sci.osaka-cu.ac.jp/~ohnita/2006/inf_geom/sos_dan/book_0403.pdf 

自然勾配学習法  実務上では、自然勾配学習法を用いた事例は多くない印象がある。  理由として、最急降下法に続いて、確率的最急降下法（SGD）がでると、 計算コストの観点で、SGDの方が、計算負荷が小さく、尚且つ、短時間に、 局所最適解にそこそこ陥らずに、大域最適解にいきつけ るとみなす動きが主流となった可能性が考えられる。  さらに、計算負荷の大きいヘシアン行列を計算せずに済む、 「ヘシアン・フリー最適化」とよばれる手法も、注目を集めている。