Neural Networkで論理演算を実装するという記事で、基本的な論理演算を線形変換とReLU関数で表現した。この記事では、それを用いて、カウンタを実装する。実装と言っても、機械学習をするのではなく、頭で考えるだけである。これが、実際に役に立つかどうかは「？」である。しかし、ニューラルネットワークを機械学習を行う部分（変数テンソル）とあらかじめ確定した部分（定数テンソル）に分解するという考え方は、少なくとも私のプロジェクトでは役に立っている。
1ビットのカウンタ
前の記事にカウンタの要件だけを提示しておいたので、最初にお読みいただきたい。次のように、入力（$\boldsymbol{x}_{0}$）として信号用1ビット（第1列）とカウンタ用1ビット（第2列）を持ち、出力（$\boldsymbol{x}_{N-1}$）として桁上り用1ビット（第1列）とカウンタ用1ビット（第2列）を持つ。
$$ \boldsymbol{x}_{0} = \left( \begin{array}{cc} 0 & 0 \\ 0 & 1 \\ 1 & 0 \\ 1 & 1 \end{array} \right), \quad \boldsymbol{x}_{N-1} = \left( \begin{array}{cc} 0 & 0 \\ 0 & 1 \\ 0 & 1 \\ 1 & 0 \end{array} \right) \tag{1}$$
つまり、入力信号が0のときはカウンタは変化せず、入力信号が1のときはカウンタが増加する（カウンタが既に1のときは、0になる桁上りビットがセットされる）。
このカウンタは、かなり簡単な形をしている。入力の行の順番を反転すると、前の記事の式(1)に一致する。それに合わせて出力側の行順を反転して前記事の表と比較すると、出力側の第1列が入力側2ビットのANDになっていることがわかる。さらに、出力の第2列は入力のXORになっている。これを回路図（のようなもの。実際に使われる論理回路とは、動作の仕方が異なる）にしたのが以下である。回路記号は前の記事の表を参照していただきたい。
ANDとXORが並列になっていることが分かる。ところで、前の記事の表を見ると、ANDは2層で実現でき、XORは3層が必要なことが分かる。しかし、ANDの2層目には活性化が必要であるから、ANDには恒等変換の3層目があると考えれば、XORと同じネットワーク構造であるとすることもできる。つまり、
$$W_{1}^{AND} = \left( \begin{array}{cc} 1 & 0 \\ 1 & 0 \\ -1 & 1 \end{array} \right), \quad W_{2}^{AND} = \left( \begin{array}{cc} 1 & 0 \\ 0 & 1 \end{array} \right)$$
$$W_{1}^{XOR} = \left( \begin{array}{ccc} 1 & -1 & 0 \\ -1 & 1 & 0 \\ 0 & 0 & 1 \end{array} \right), \quad W_{2}^{AND} = \left( \begin{array}{c} 1 & 0 \\ 1 & 0 \\ 0 & 1 \end{array} \right)$$
である。これを並列化するのは、少し煩雑である。まず$W_1$だが、ANDとXORの双方から最下列（最も左の列）を取り除いたもの（アフィン変換のための定数列であるから）を横に並べ、その後に再び定数列を付加する。つまり、
$$W_{1} = \left( \begin{array}{c} 1 \\ 1 \\ -1 \end{array} \right) \oplus \left( \begin{array}{cc} 1 & -1 \\ -1 & 1 \\ 0 & 0 \end{array} \right) \oplus \left( \begin{array}{c} 0 \\ 0 \\ 1 \end{array} \right) = \left( \begin{array}{cccc} 1 & 1 & -1 & 0\\ 1 & -1 & 1 & 0\\ -1 & 0 & 0 & 1\end{array} \right) \tag{2}$$
とする。この$W_1$のうち、第1列はAND、第2列と第3列はXORからきたものである。$W_2$は、各々から最下行（バイアス成分）を取り除いたものを__斜め下方向に__重ねて、最後にバイアス成分を戻して
$$W_{2} = \left( \begin{array}{ccc} 1 & 0 & 0 \\ 0 & 1 & 0\\ 0 & 1 & 0\\ 0 & 0 & 1 \end{array} \right) \tag{3}$$
となる。つまり、1ビットのカウンタは3層で実現できるのである。これが正しいことを入力$\boldsymbol{x}_0$に作用させて確かめる。
$$\begin{align}
\tilde{\boldsymbol{x}}_{2} &= ReLU(\tilde{\boldsymbol{x}}_{0} W_{1}) W_{2} \\ \
&= ReLU(\left( \begin{array}{ccc} 0 & 0 & 1\\ 0 & 1 & 1\\ 1 & 0 & 1\\ 1 & 1 & 1\end{array}\right) \left( \begin{array}{cccc} 1 & 1 & -1 & 0 \\ 1 & -1 & 1 & 0 \\ -1 & 0 & 0 & 1 \end{array} \right)) W_{2} \\ \
&= ReLU(\left( \begin{array}{cccc} -1 & 0 & 0 & 1 \\ 0 & -1 & 1 & 1 \\ 0 & 1 & -1 & 1 \\ 1 & 0 & 0 & 1 \end{array} \right)) W_{2} \\ \
&= \left( \begin{array}{cccc} 0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 1 \\ 0 & 1 & 0 & 1 \\ 1 & 0 & 0 & 1 \end{array} \right) \left( \begin{array}{ccc} 1 & 0 & 0 \\ 0 & 1 & 0\\ 0 & 1 & 0\\ 0 & 0 & 1 \end{array} \right) \\ \
&= \left( \begin{array}{ccc} 0 & 0 & 1 \\ 0 & 1 & 1\\ 0 & 1 & 1\\ 1 & 0 & 1 \end{array} \right)
\end{align}$$
ここで、$\tilde{\boldsymbol{x}}_{i}$はアフィン変換のために$\boldsymbol{x}_{i}$を拡大したベクトルであり、要素が全て1である列を最後尾に加えたものである。よって、最終結果から最後尾に加えた列を取り除くと
$$\boldsymbol{x}_{2} = \left( \begin{array}{cc} 0 & 0\\ 0 & 1\\ 0 & 1\\ 1 & 0\end{array} \right)$$
が得られて(1)式に一致する（3層なので$N=3$である）。
2ビットのカウンタ
1ビットのカウンタを拡張して、2ビットのカウンタを作る。話は簡単である。1ビットカウンタを2個並べて、1個目の桁上り出力を2個目の信号入力にするだけである。回路図にすると下図になる。
これは、隠れ層を3層持つ5層のネットワークである。
$$\tilde{\boldsymbol{x}}_{4} = ReLU(ReLU(\tilde{\boldsymbol{x}}_{0} W_{1}^{(1)}) W_{2}^{(1)} W_{1}^{(2)}) W_{2}^{(2)} \tag{4}$$
ここで、$W_{i}^{(k)}$はk番目の1ビットカウンタのアフィン変換行列を表す。1ビットカウンタの場合、意味のある入力が信号とカウンタを併せて2ビットだったが、今度はカウンタが2ビットになるので計3ビットになる。このため、1ビット目カウンタである式(2)の$W_{1}$は、3行目と4列目を挿入して$4 \times 5$行列になる。
$$W_{1}^{(1)} = \left( \begin{array}{ccccc} 1 & 1 & -1 & 0 & 0\\ 1 & -1 & 1 & 0 & 0\\ 0 & 0 & 0 & 1 & 0\\ -1 & 0 & 0 & 0 & 1\end{array} \right) \tag{5}$$
同様に、式(3)の$W_{2}$は、4行目と3列目を挿入して$ 5 \times 4$行列になる。
$$W_{2}^{(1)} = \left( \begin{array}{cccc} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0\\ 0 & 1 & 0 & 0\\ 0 & 0 & 1 & 0\\ 0 & 0 & 0 & 1 \end{array} \right) \tag{6}$$
2ビット目のカウンタは、行を挿入する位置が異なり、各々次式で与えられる。
$$W_{1}^{(2)} = \left( \begin{array}{ccccc} 1 & 0 & 1 & -1 & 0\\ 0 & 1 & 0 & 0 & 0\\ 1 & 0 & -1 & 1 & 0\\ -1 & 0 & 0 & 0 & 1\end{array} \right) \tag{7}$$
$$W_{2}^{(2)} = \left( \begin{array}{cccc} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0\\ 0 & 0 & 1 & 0\\ 0 & 0 & 1 & 0\\ 0 & 0 & 0 & 1 \end{array} \right) \tag{8}$$
ところで、式(4)に注目して頂きたい。$W_{2}^{(1)} W_{1}^{(2)}$という部分がある。これは2つのアフィン変換の間で、活性化関数（非線形変換）が作用していないことを示す。1ビットカウンタの出力層に活性化関数が無いからである。この場合には、2つの行列の積を予め計算することができる。
$$W_{1R}^{(2)} \equiv W_{2}^{(1)} W_{1}^{(2)}
= \left( \begin{array}{ccccc} 1 & 0 & 1 & -1 & 0\\ 0 & 1 & 0 & 0 & 0\\ 0 & 1 & 0 & 0 & 0\\ 1 & 0 & -1 & 1 & 0\\ -1 & 0 & 0 & 0 & 1\end{array} \right) \tag{9}$$
結局
$$\tilde{\boldsymbol{x}}_{4} \longrightarrow \tilde{\boldsymbol{x}}_{3} = ReLU(ReLU(\tilde{\boldsymbol{x}}_{0} W_{1}^{(1)}) W_{1R}^{(2)}) W_{2}^{(2)} \tag{10}$$
が得られる。3層の隠れ層を持つ5層のネットワークが、2層の隠れ層を持つ4層のネットワークに縮約されたのである。
4ビットのカウンタ
これまでの結果を使って、4ビットのカウンタを作成する。徒に行列のサイズが大きくなるだけなので詳細は省くが、4層の隠れ層を持つ計6層のネットワークである。それをTensorFlowで実装した（リスト1）。特にTensorFlowを使う必要はなく、NumPyだけを使う方が簡単なのだが、あえてTensoFlowを使った。
import tensorflow as tf
import numpy as np
from builtins import staticmethod
#
# 1ビットカウンタ
#
class BitCounterProperty:
def __init__(self, W1, b1, W2):
# 線形変換行列とバイアスベクトルから定数Tensorを作成する
self.W1 = tf.constant(W1, dtype=np.float32)
self.b1 = tf.constant(b1, dtype=np.float32)
self.W2 = tf.constant(W2, dtype=np.float32)
# 前の層のTensor（layer）に、1ビットカウンタの演算を施す
def operate(self, layer):
layer = tf.nn.relu(tf.matmul(layer, self.W1) + self.b1)
if self.W2 is not None:
# 縮約されていない場合
return tf.matmul(layer, self.W2)
else:
# 縮約されていた場合、W2がNoneである
return layer
# aのW2とbのW1の積を、新たにbのW1として縮約する
@staticmethod
def shrink(a, b):
b.W1 = tf.matmul(a.W2, b.W1)
a.W2 = None
#
# カウンタ（直列に並んだ1ビットカウンタ）
# nbits: カウンタのサイズ（ビット数）
#
class Counter:
def __init__(self, nbits):
# カウンタのビット数
self.nbits = nbits
# counter[0] 信号/桁上り用のビット
# counter[1:nbits] カウンタの現在の値
self.counter = np.zeros([self.nbits + 1, ], dtype=np.float32)
# 格段の変換Tensorを格納する
self.bitCounter = []
# グラフ（=ネットワーク全体を表現する）
self.g = tf.Graph()
# tf.Sessionをあらかじめ作成しておく
self.sess = tf.Session(graph=self.g)
# グラフには、変換Tensorをあらかじめ登録しておく
with self.g.as_default():
# 入力
self.x = tf.placeholder(tf.float32, shape=(None, self.nbits + 1))
# 入力に対する教師データを格納する。今回は使わない
self.y_ = tf.placeholder(tf.float32, shape=(None, self.nbits + 1))
# 縮約する前のTensorを格納する
for stage in range(self.nbits):
self.bitCounter.append(self.createBitCounter(stage))
# 変換Tensorを縮約する
# W_2[stage-1]とW_1[stage]の積を、新たなW_1[stage]とする
for stage in range(1, self.nbits):
BitCounterProperty.shrink(
self.bitCounter[stage-1], self.bitCounter[stage])
# 1ビットカウンタをnbits個、直列につないでグラフに登録する
layer = self.x
for stage in range(self.nbits):
layer = self.bitCounter[stage].operate(layer)
# 最後段を出力に
self.y = layer
self.g.finalize()
# 線形変換とバイアスを計算する。W2に対するバイアスは無い
def createBitCounter(self, k):
if k < 0 or k >= self.nbits:
return None
m = self.nbits
W1 = np.zeros([m+1, m+2], dtype=np.float32)
for i in range(k+1):
W1[i, i] = 1
for i in range(k+2, m+1):
W1[i, i+1] = 1
W1[0, k+1] = W1[k+1, 0] = W1[k+1, k+2] = 1
W1[0, k+2] = W1[k+1, k+1] = -1
b1 = np.zeros([m+2, ], dtype=np.float32)
b1[0] = -1
W2 = np.zeros([m+2, m+1])
for i in range(k+2):
W2[i, i] = 1
for i in range(k+1, m+1):
W2[i+1, i] = 1
return BitCounterProperty(W1, b1, W2)
# カウントする
def increment(self):
self.counter[0] = 1
feed_dict = {self.x: [self.counter]}
ret = self.sess.run(self.y, feed_dict=feed_dict)
self.counter = ret[0]
def getCounter(self):
return np.delete(self.counter, 0)
# 4ビットのカウンタ
nbits = 4
c = Counter(nbits)
print(c.getCounter())
for i in range(2**nbits):
c.increment()
print(c.getCounter())
なお、リスト1で使っているW1やW2は、アフィン変換ではなく、通常の線形変換である。プログラム実装の場合は、TensorFlowの習慣に従ってバイアスをb1として取り出している。上記の実行結果は以下になる。左側が下位ビット、右側が上位ビットである。
[ 0. 0. 0. 0.]
[ 1. 0. 0. 0.]
[ 0. 1. 0. 0.]
[ 1. 1. 0. 0.]
[ 0. 0. 1. 0.]
[ 1. 0. 1. 0.]
[ 0. 1. 1. 0.]
[ 1. 1. 1. 0.]
[ 0. 0. 0. 1.]
[ 1. 0. 0. 1.]
[ 0. 1. 0. 1.]
[ 1. 1. 0. 1.]
[ 0. 0. 1. 1.]
[ 1. 0. 1. 1.]
[ 0. 1. 1. 1.]
[ 1. 1. 1. 1.]
[ 0. 0. 0. 0.]
最後に
カウンタをニューラルネットワークとして実装しても、実用的な意味はない。
だからといって、何の意味もないわけではない。何らかの目的のためにニューラルネットワークをデザインするときには、必ず設計者の判断が必要である。各層のサイズをどうするか、活性化関数は何にするか、どこに畳み込みを入れるか...。それを設計する際にはデータの流れを司る論理を想定しなければならない。
そんなとき、Aが成立してBが成立したらCの流れを選択し、そうでないならDの流れを選択するというような、定まった論理構造が必要な状況が出てくる。これは、機械学習が必要な変数部分と、論理が定まった定数部分が混ざりあったハイブリッドなネットワークである。
このようなハイブリットなニューラルネットワークを考えるとき、ここで示したような、一見つまらない演習が役立つのではないだろうか。良い例があれば、実例を示して行きたい。