Feature‑Lernen vs. -Verlernen: Neue Analyse von neuronalen Netzen
In einer kürzlich veröffentlichten Studie wird das Phänomen des Feature‑Verlernens – also das allmähliche Vergessen von zuvor erlernten Merkmalen – in neuronalen Netzen systematisch untersucht. Der Fokus liegt auf einem Zwei‑Schichten‑Netz mit unendlicher Breite, das mit einem großen Batch‑Stochastic‑Gradient‑Descent (SGD) trainiert wird. Durch die Anwendung von Tensor‑Programmen und der Theorie der singulären Störung werden Differentialgleichungen mit unterschiedlichen Zeitskalen abgeleitet.
Die Analyse zeigt, dass sich die Gewichte der ersten Schicht rasch ausrichten, während die Gewichte der zweiten Schicht langsamer wachsen. Die langsame Dynamik auf dem kritischen Mannigfaltigkeitsflächen bestimmt, ob und wann Feature‑Verlernen einsetzt. Zwei zentrale Erkenntnisse tauchen auf: Erstens wird das Feature‑Verlernen durch die Stärke des primären nichtlinearen Terms in den Daten ausgelöst; zweitens kann ein größerer Anfangswert der zweiten‑Schicht‑Gewichte das Verlernen abschwächen.
Numerische Experimente bestätigen die theoretischen Vorhersagen und liefern Skalierungsgesetze für das Feature‑Verlernen. Diese Arbeit liefert damit einen wichtigen Beitrag zum Verständnis der langfristigen Lern‑ und Vergessensprozesse in tiefen neuronalen Netzen und eröffnet neue Perspektiven für die Gestaltung stabilerer Lernalgorithmen.