循环神经网络RNN以及LSTM的推导和实现

最新推荐文章于 2024-03-10 17:20:32 发布

kymowind

最新推荐文章于 2024-03-10 17:20:32 发布

阅读量1.7w

点赞数 9

分类专栏：深度学习文章标签：神经网络 RNN LSTM 推荐系统

本文链接：https://blog.csdn.net/kymowind/article/details/75145775

版权

深度学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

1. 从神经网络谈起

了解神经网络的都知道，神经网络作为一种非线性模型，在监督学习领域取得了state-of-art的效果，其中反向传播算法的提出居功至伟，到如今仍然是主流的优化神经网络参数的算法. 递归神经网络、卷积神经网络以及深度神经网络作为人工神经网络的"变种"，仍然延续了ANN的诸多特质，如权值连接，激励函数，以神经元为计算单元等，只不过因为应用场景的不同衍生了不同的特性，如：处理变长数据、权值共享等。

为了介绍RNN，先简单的介绍ANN. ANN的结构很容易理解，一般是三层结构（输入层-隐含层-输出层）. 隐含层输出 $o_j$ 和输出层输出 $o_k$ 如下。其中 $net_j$ 为隐含层第 $j$ 个神经元的输入, $u$ 为输入层和隐含层的连接权值矩阵， $v$ 为隐含层和输出层之间的连接权值矩阵.

$ \begin{align} o_j & = f(net_j) \
o_k & = f(net_k) \
net_j & =\sum_i(x_{i}u_{i,j})+b_j \
net_k & =\sum_j(o_{j}v_{j,k})+b_k \end{align} $$

定义损失函数为 $E_p=\frac{1}{2}\sum_k (o_k - d_k)^2$ ,其中 $p$ 为样本下标， $o^k$ 为第 $k$ 个输出层神经元的输出, $d^k$ 为样本在第 $k$ 个编码值。然后分别对参数 $v_{j,k}$ 、 $u_{i,j}$ 进行求导，可得：

$KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ \frac{\partial…$

从对 $\frac{\partial E_p} {\partial u_{i,j}}$ 的推导可以得到反向传播的核心思路，令误差项 $\beta_k = \frac{\partial E_p} {\partial net_k}$ , 则有： $\beta_k=o_l(1-o_l)\sum_l\beta_lw_{lk}$

反向传播的实质是基于梯度下降的优化方法，只不过在优化的过程使用了一种更为优雅的权值更新方式。

2. 循环神经网络

传统的神经网络一般都是全连接结构，且非相邻两层之间是没有连接的。一般而言，定长输入的样本很容易通过神经网络来解决，但是类似于NLP中的序列标注这样的非定长输入，前向神经网络却无能为力。

于是有人提出了循环神经网络(Recurrent Neural Network)，这是一种无法像前向神经网络一样有可以具象的网络结构的模型，一般认为是网络隐层节点之间有相互作用的连接，其实质可以认为是多个具有相同结构和参数的前向神经网络的stacking, 前向神经网络的数目和输入序列的长度一致，且序列中毗邻的元素对应的前向神经网络的隐层之间有互联结构，其图示( 图片来源 )如下.

上图只是一个比较抽象的结构，下面是一个以时间展开的更为具体的结构[W,V,U略有不同，后文推荐以展开图中的参数表示为主)(图片来源).

从图中可以看出，输出层神经元的输入输出和前向神经网络中没有什么差异，仅仅在于隐层除了要接收输入层的输入外，还需要接受来自于自身的输入(可以理解为t时刻的隐层需要接收来自于t-1时刻隐层的输入, 当然这仅限于单向RNN的情况，在双向RNN还需要接受来自t+1时刻的输入).

RNN的隐层是控制信息传递的重要单元，不同时刻隐层之间的连接权值决定了过去时刻对当前时刻的影响，所以会存在时间跨度过大而导致这种影响会削弱甚至消失的现象，称之为梯度消失，改进一般都是针对隐层做文章，LSTM(控制输入量，补充新的信息然后输出)，GRU(更新信息然后输出)等都是这类的改进算法.

下图为某时刻隐层单元的结构示意图(图片来源).

虽说处理的是不定长输入数据，但是某个时刻的输入还是定长的。令t时刻:输入 $x_t \in R^{xdim}$ ,t隐层输出 $h_t\in R^{hdim}$ , 输出层 $y_t \in R^{ydim}$ , RNN和CNN有着同样的共享权值的属性，输入层到隐层的权值矩阵 $V\in R^{xdim\times hdim}$ , 隐层到输出层的权值矩阵 $\in R^{hdim\times ydim}$ , 不同时刻隐层自连接权值矩阵 $U\in R^{hdim\times hdim}$ 1. RNN有着类似于CNN的权值共享特点，所以不同时刻的U,V,W都是相同的，所有整个网络的学习目标就是优化这些参数以及偏置. RNN和普通神经网络一样，也有超过三层的结构，下文的推导仅以三层为例.

3. RNN推导

令隐含层的激励函数$f(x)$, 输出层的激励函数为$g(x)$. 则有：

$KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ h^t & = f(net…$

对于单个样本，定义我们的cost function $E^t = \frac{1}{2}||d^t- y^t ||^2$ ，其中 $d^t$ 为t时刻的真实输出， $y^t$ 是t时刻的预测输出。则对权值 $W_{j,k}$ 、 $V_{i,j}$ 、 $U_{j,r}$ 的求导分别如下。其中 $j$ 表示隐层单元下标, $k$ 表示输出层下标, $i$ 表示输入层下标, $r$ 表示下一时刻隐含层下标. $net^t_{hj}$ 表示t时刻隐层第j个神经元的加权输入， $net^t_{yk}$ 表示t时刻输出层第k个神经元的加权输入。

$KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ \frac{\partial…$

令 $\delta_{y,k}^t$ 为t时刻输出层y第k个神经元的误差项，令 $\delta_{h,j}^t$ 为t时刻隐含层h第j个神经元的误差项, 则有:

$KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ \delta_{y,k}^t…$

所以不难得到误差方向传递时的权值计算方式：

$KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ \frac{\partial…$

写成矩阵的形式即是(其中 $\cdot$ 表示矩阵对应位置的元素相乘)：
$KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ \delta_{y}^t &…$

上述公式其实在了解反向传播之后就能够很容易推导，对于 $W_{jk}$ 、 $U_{jr}$ 的推导套用反向传播公式即可，而对于 $V_{i,j}$ 需要加上来自于下一时刻的误差，如以上式子中红色部分所示.

4. RNN实现

推导出了公式，用代码实现就很简单了，可以看到前向传递和反向传播过程中的都用到了矩阵的相关运算，封装好一个矩阵计算的类，然后重载相关的运算符，便可以十分方便的进行相关的计算了。矩阵类的实现见https://github.com/kymo/SUDL/blob/master/matrix/matrix.h ，然后直接按照上述的矩阵运算方式填写代码就可以了，详见：https://github.com/kymo/SUDL/blob/master/rnn/rnn.cpp.

5. LSTM推导

相比于普通的RNN而言，LSTM无非是多了几个门结构，求导的过程略微繁琐一点，但是只要清楚当前待求导变量到输出的路径，变可以依据链式求导法则得到对应的求导公式。LSTM是为了缓解RNN的梯度弥散问题而提出的一种变种模型，之所以能够缓解这个问题，是因为在原始的RNN中，梯度的传递是乘法的过程，如果梯度很小，那么从T时刻传递到后面的梯度只会越来越小，甚至消失，在优化空间中相当于一部分参数进行更新，而另外一部分参数几乎不变，那么问题的较优解也就很难收敛到。而LSTM通过推导会发现，梯度是以一种累加的方式进行反向传递的，从而一定程度上客服了累乘导致的梯度弥散的问题。下面要推导的LSTM 是不加peelhole的结构。要推导LSTM首先要了解LSTM的几个门结构：输入门、输出门以及遗忘门。从传统的神经网络的角度来看的话，三种门分别对应了三个并行的神经网络层，如下图所示（其中蓝色和黄色表示神经元层结构，有输入、输出和相应的激励函数；红色表示向量对应项相乘；淡绿色表示向量加）。

三种门的计算方式如下：
$KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲ netf^{t} & = x…$

另外，LSTM中也引入一个Cell State的中间状态，该状态有选择的保存了过去的历史信息，不会像RNN一样存在越久远的记忆越模糊的问题。该Cell State的更新方式主要是依赖于过去时刻的Cell State( $c^{t-1}$ )以及当前时刻产生的新的信息( $\tilde{c}^t$ )，当前产生的新的信息的计算方式如下：
$KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲ netc^{t} & = x…$

遗忘门用来控制过去时刻的Cell State有多少需要被保留，输入门用来控制增加多少新的信息到Cell State中，公式表述如下：
$KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲ c^t & = f^t \c…$

而 $h_t$ 的更新则利用了 $c^t$ ，具体如下：
$KaTeX parse error: No such environment: align at position 7: \begin{̲a̲l̲i̲g̲n̲}̲ h^t & = h(c^t)…$

输出层的计算方式和一般的RNN无异，令输出层、输入门、输出门、遗忘门、新cell state的误差项分别为 $\delta_y^t$ , $\delta_i^t$ , $\delta_o^t$ ， $\delta_f^t$ ， $\delta_c^t$ , 则有：

$KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ \delta_y^t & =…$
另外我们也需要定义两个新的中间变量 $\epsilon^t_c$ 以及 $\epsilon^t_h$ ，其值为：