[DL輪読会]Estimating Predictive Uncertainty via Prior Networks

DEEP LEARNING JP [DL Papers] Estimating Predictive Uncertainty via Prior Networks Hirono Okamoto, Matsuo Lab http://deeplearning.jp/ 1

• http://deeplearning.jp/

書誌情報: Estimating Predictive Uncertainty via Prior Networks n NIPS 2018 accepted n 著者: Andrey Malinin, Mark Gales (ケンブリッジ⼤学) n 概要: n 不確かさには三つの種類があり，データの不確かさ，モデルの不確かさ，分布の不確かさが存在する n その中でも，分布の不確かさが⼤きいものが，Out of Distributionであると仮定した n 分布の不確かさの違いを提案⼿法で推定し，OoDを検知する あるデータの不確かさは 三つの不確かさで構成される カテゴリカル分布のパラメタμの分布の不確かさの違い (a)はどのクラスに属すか⾃信をもって 予測している (b)はどのクラスに属すかわからないという 意味で不確かさが⼤きいが，OODではない (c)はどのような確率になるかすらわからない ことを⽰しているため，OODである

背景: 異常検知の基本的な２つの問題設定 n 1: ⼀つのカテゴリの正常クラスのサンプルのみ訓練データとして与えられ，新しくサンプル 異常 が与えられたときに異常サンプルかどうかを分類する． 正常 訓練データ(すべて正常データ) テストデータ n 2: 複数のカテゴリの正常クラスのサンプルのみ訓練データとして与えられ，新しいカテゴリ のサンプルが与えられたときに異常サンプルかどうかを分類する 訓練データ(すべて正常データで⽝カテゴリと⿃カテゴリが存在する) この論⽂では2を解いている 正常 テストデータ 異常

背景: 不確かさには三つの種類がある n 三つの不確かさを定義する n (1) Model uncertainty: 訓練データが与えられたときのモデルパラメタを推定するときの不確かさ n 訓練データが増加すれば減る n (2) Data uncertainty: 避けられない不確かさ n Ex) クラスの重なり，ラベルのノイズ n known-unknown: モデルはデータを理解しているが，分類するのが難しい n (3) Distributional uncertainty: 訓練データとテストデータの分布のミスマッチからくる不確かさ n unknown-unknown: モデルはテストデータが理解できず，⾃信をもって予測することが困難 n active learningの指標にも使える n 論⽂の貢献 n これまでのアプローチでは，これらの不確かさを混合してしまっていたため，不確かさの獲得が 不⼗分であることを述べた n 提案⼿法であるPrior Networks(PNs)はdistributional uncertaintyを扱うことが可能で，OODの検出 に有効であることを⽰した

関連⼿法: ベイジアンフレームワーク n モデルパラメタの事後分布を利⽤して，θを周辺化し，予測分布を得る 変分近似 n しかし，不確かさがデータの不確かさ(ラベルのノイズ，クラスの重なり)からのものなのか， 訓練データから遠いからなのかわからない → 不確かさを明⽰的にもう1段階分解する

提案⼿法に関する⾃分の理解 Model Distributional Data 𝜇 𝜇 Σ 𝑦∗ 𝑥∗ 𝑎 ←⾃分の理解 VIBの階層化をイメージするとわかりやすい(?) Σ 𝑏 DNN(𝜃) 事前分布 n 事前分布のパラメータをNNで陽に学習する→ Prior Networks

提案⼿法: Prior Networks n 分布の違いによる不確かさをニューラルネットワークを使った事前分布(Prior)で表現する n 事前分布はディリクレ分布で，そのハイパラをNNで表現する 𝑦∗ 𝑥∗ 𝛼 𝜇 [0.05, 0.9, 0.05] [0, 1, 0] n μを周辺化すると普通のソフトマックス分類の式が導かれる

提案⼿法: Prior Networksの学習⽅法 IDのとき 尖った分布 PNs n In distributionのときは尖った分布に近づけたい n はハイパラとして， とする n Out of distributionのときは平たい分布に近づけたい n すべてのクラスで とする n ただし，OODはデータとして⼊⼿できないので， 合成データか適当な他のデータセットを使う n →イケてない… OoDのとき 平たい分布 PNs

評価⼿法: 不確かさを定量的に図る4つの指標 n Max.P: ソフトマックス値の最⼤値を利⽤ n ソフトマックス値の最⼤値が⼩さいことを不確かさの⼤きさとしている n Ent: 予測分布のエントロピーを利⽤ n M.I: ラベル y とパラメータθの相互情報量を利⽤ n D.Ent: 微分エントロピーの利⽤ n μのエントロピーを測る．ディリクレ分布がflatになるときに最⼤化する

実験1: 合成データを使った実験 n ３つの重なっていないガウス分布のデータ(a) と重なったガウス分布のデータ(d) n 正確な事後分布のエントロピーを⻘でプロット n 決定境界とデータが密集しているところはエン トロピーが⾼い n (b)と(c)はクラスが分かれているときの， DPNの予測事後分布のエントロピーと微 分エントロピーの振る舞い n データがある場所では低く，それ以外で は⼤きい n IDとOODをわけられている n (e)と(f)ではエントロピーと微分エントロ ピーで異なる振る舞いをしている n クラスの重なりと訓練データから遠いと ころではエントロピーは⾼い(e) n 微分エントロピーは全体の訓練データが ある場所では⼩さいが，その外側では⼤ きく，IDとOODを分けられている

実験2: データセット n データセット n In distribution(ID) n MNIST n CIFAR-10 n Out of distribution(OoD) n Omniglot n SVHN n LSUN n TinyImageNet (TIM) あるデータセットを正常(In distribution)とし， それ以外のデータセットは異常(Out of distribution)とする n Dirichlet Prior Network (DPN) に対する⽐較⼿法 n 普通のDNN n ソフトマックスの最⼤値やエントロピーを利⽤すれば，不確かさを⼀応求めることができる n Monte-Carlo Dropout (MCDP) n モデルのパラメータθの分布が求まるので，これとyの相互情報量を不確かさの指標とすることができる

実験2: 評価⼿法について n AUROC(area under an ROC curve)とAUPR (area under a PR curve)を使う 真陽性率 AUROC 図・表 引⽤︓http://www.randpy.tokyo/entry/roc_auc 偽陽性率

• http://www.randpy.tokyo/entry/roc_auc

実験2: MNISTとCIFAR-10を使った誤分類検知の実験結果 n 実験設定: 予測が間違っているかどうかを，４つの不確かさを測る指標を⽤いて検出する n 結果: 指標としてMax.P(ソフトマックスの最⼤値)を使って分類するのが最も精度がでた n 考察: Max.Pが最も予測クラスに直結しているので，他の分布の不確かさを捉える⼿法より も性能がでるのは予測できる

実験2: MNISTとCIFAR-10を使ったOOD検出の実験結果 n CIFAR10とSVHN, LSUNは⼤きく異なるので性能がでることが予測できたが，CIFAR10と 似ているTinyImageNetでも性能がでたのは驚き n MCDPが必ずしもDNNに勝っていないのは，ベイジアン分布によって望まれた振る舞いが達 成できていないことを意味している(OoD検知としてはMCDPはあまり使えなそう︖) 同じ問題設定の他の⼿法と⽐べてなくてイケてない…

結論・今後の課題 n まとめ n 予測分散を利⽤したこれまでの研究の限界を⽰し，Distributional Uncertaintyを利⽤してOODを検 出することに成功した n 新規⼿法Prior Networks(PNs)を提案し，３つの不確かさを別々に扱うことができた n DPNはMC Dropoutや普通のDNNを使った⽅法よりもdistributional uncertaintyを正確に推定するこ とができた n Differential entropyは特にどのクラスに属すかが不明瞭なときに，OODの検出として最も良い指標 であった n 今後の研究 n 他のCVタスク，NLP，機械翻訳，⾔語認知，強化学習にも応⽤する n 回帰タスクのためのPrior Networksを開発する