ソフトプラス関数とソフトサイン関数の逆伝播関数を計算グラフで求める
「ゼロから作るDeep Learning」に出てくる計算グラフの理解を補強する
ニューラルネットワークの学習とは、損失関数が小さくなるように重みパラメータを更新することですが、そのためには重みパラメータの勾配（偏微分）を計算する必要があります。
これを解析的に効率良く解くための手法が誤差逆伝播法で、正に数学ワールドです。
少しでも分かりやすく解説するために、「ゼロから作るDeep Learning」では計算グラフによる方法が紹介されています。
管理人は計算グラフは知らなかったのですが、なかなか面白かったので理解を深めるために自分で応用問題を解いてみました。
本では活性化関数の中でReLU関数、シグモイド関数、ソフトマックス関数の微分の求め方が載っていましたので、ソフトプラス関数とソフトサイン関数の微分を自分で計算グラフを使って求めてみました。
本を読んでいて、もう少し例題が欲しいと思っていた方の参考になれば幸いです。
逆伝播関数を簡単に求められる計算グラフ
「ゼロから作るDL」を読んでいない方も計算グラフでググればまとめ記事が沢山出てきますので、計算グラフとは何かについてはそちらを参照して下さい。
ここでは本には出ていない物流の事例で簡単に説明します。
フォワーディング専業のA社では来期の予算を作成中です。
売上は海上フォワーディングと航空フォワーディングに分かれ、次のような概算表を作りました。
これは簡単な計算例ですが、計算グラフでは四則演算単位に要素分解して更に簡単に表現します。
これは計算グラフを知らなくても、視覚的に理解できると思います。
この時、海上フォワーディングの件数が１件増減したら、最終売上にどれくらい影響があるかを調べたいとします。
このような分析は感度分析として知られています。
この感度分析は式にすると次のように書くことができます。
売上への影響＝売上の増減／件数の増減
もし件数が１件増えたとすると、売上は４０万円増えますね。
２件増えたとすると、売上の増加は８０万円です。
この場合、件数当たりの売上の増減額は４０万円ということができます。
倍率４０万倍ということです。
実は、これは「件数に関する売上の微分」をやっているのと同じことです。
「件数がある微小な値だけ増えた場合に、売上がその微小な値の何倍増加するか？」
微分というと難しそうに思えますが、ただこれだけのことです。
そして、この微分を求めるには、計算グラフを逆に辿っていけば良いというのが、この本に書いてある主張です。
逆に辿ることを逆伝播といいますが、次のようになります。
最後のノードに１が入力された場合に、それが逆伝播していって、最初の運賃や件数が何倍に拡大されるのかを調べるのです。
この例では「＋」と「×」の２種類のノードがありますが、「＋」のノードを逆伝播しても倍率は変わりません。
「×」のノードでは、順伝播の際の入力をひっくり返した値が掛け算されます。
この規則に沿って逆伝播していくと、海上運賃は１,０００倍、海上件数は４０万倍されます。
つまり、売上を海上運賃で微分すると１,０００、海上件数で微分すると４０万というわけです。
この時、売上をL、海上運賃をx、海上件数をｙとすると、
∂Ｌ／∂ｘ＝１,０００
∂Ｌ／∂ｙ＝４００,０００
という偏微分の式で書くことができます。
この例では「×」と「＋」という四則演算のノードしか使いませんでしたが、いかなる関数でも同様のノードで記述することができます。
例えば、
f(x)＝sin(x)
というノードは、
というように表します。
そして逆伝播では微分倍されます。
sin(x)の微分はcos(x)ですので、
というように逆伝播します。
このように逆伝播ではノードを通ることによって微分倍されます。
この辺りの解説についてはネットにまとめ記事が沢山出ていますので、そちらを参照してみて下さい。
ソフトプラス関数の逆伝播を求める
それではこのやり方を使って、まずはソフトプラス関数の微分を求めてみましょう。
ソフトプラス関数はReLU関数に似ていて、xが小さい時にはy=0、xが大きい時にはy=xになります。
ｘが－３から３の間くらいの中途半端な値を取る時には、滑らかな曲線になります。
ReLU関数はx=0で非連続で微分不可ですが、ソフトプラス関数は全区間で微分可能という特徴があります。
ソフトプラス関数は次式で表されます。
f(x) = log(1+ex)
これを計算グラフで表し、逆伝播することによって微分を求めてみます。
計算グラフは次のように書けます。
xをexにした後に１を足し、その対数を取ればいいだけなので簡単です。
この計算グラフの最後のノードに１を入力し逆伝播させると、次のようになります。
まずlog関数の逆伝播の倍率が1/(1+ex)になっていますが、これはlog関数f(x)=log(x)の微分が1/xであるためです。
逆伝播では微分倍されるのでしたね。
この例ではlog関数への入力xが1+exですので、微分は1/(1+ex)になります。
ですので、１が1/(1+ex)になるのです。
次の「＋」のノードではそのまま逆伝播します。
その次のexp関数の逆伝播では微分倍されます。
exp関数f(x)=exの微分はexですので、ex倍されます。
ですので、1/(1+ex)がex /(1+ex)になります。
これがイコール、ソフトプラス関数f(x) = log(1+ex)の微分です。
ソフトサイン関数の逆伝播を求める
ソフトサイン関数はシグモイド関数の一種です。
－１から１の連続値に変換するという点ではtanh関数（ハイパボリックタンジェント関数）にとても良く似ています。
ソフトサイン関数は次式で表されます。
f(x) = x/(1+|x|)
これも計算グラフで表し、逆伝播することによって微分を求めてみましょう。
順伝播の計算グラフは次のようになります。
そして、最後のノードに１を入力し逆伝播させると、次のようになります。
４つのノードがありますが、新しいのは「／」と「abs」です。
「／」はf(x)=1/xを表す関数で、その微分は-1/x2です。
この例では入力xが1+|x|ですので、逆伝播では-1/(1+|x|)2倍されます。
「abs」は絶対値を返す関数f(x)=|x|で、その微分はxがプラスの場合とマイナスの場合とで分けて考える必要があります。
まずxがプラスの場合は、f(x)=xですので微分すると１です。
一方、xがマイナスの場合はf(x)=-xになりますので、微分すると－１になります。
ゼロの場合はプラスに含めておきましょう。
あと一つ注意しないといけないのが、順伝播で一つの信号が分岐している場合の逆伝播です。
何を言っているかというと、上の図の左側の部分です。
順伝播のxとして入力信号が入ってきますが、それが２つに分岐しています。
このような場合には、逆伝播する時に分岐した２つのルートからの逆伝播信号を合計する必要があります。
合計する時にもxがプラスの場合とマイナスの場合とで場合分けする必要がありますが、どちらの場合も1/(1+|x|)2と同じ結果になります。
従って、ソフトサイン関数の微分は1/(1+|x|)2と求められました。
以上のように簡単な関数の微分さえ分かれば、後は計算グラフにすることによって、複雑な関数の微分でも解析的に求められることが分かりました。
Udemyの関連講座
データ分析シリーズ① AI数学-文系でも理解できる!高校から始めるデータ分析、AIのための数学-
データ分析、機械学習に関わる数学に絞り、効率的に学習できるようカリキュラムを構成しました。文系でも理解できるよう丁寧な説明をしています。Pythonエンジニア育成推進協会認定スクールによる高品質な数学コースです。
数学アレルギーでも大丈夫／やさしく丁寧な解説／コード無し キーワード:基礎／数学／行列／線形代数／ベクトル／微分／データサイエンス／AI／機械学習／ディープラーニング／データドリブン／人工知能
【キカガク流】人工知能・機械学習 脱ブラックボックス講座 – 初級編 –
1000人以上が受講している（株）キカガクの『脱ブラックボックスセミナー』が遂に登場！機械学習の参考書を「閉じてしまった人」への再入門に最適な講座です。微分・線形代数といった数学の基礎からPythonでの実装まで短時間で習得しましょう。