神经网络的前世今生
前言
网络上对波尔兹曼机讨论甚少，所以本文是对RBM的一个简介。
Geoffrey Hinton 被称为"深度学习之父"与"神经网络先驱"，他的主要贡献包括反向传播算法、受限波尔兹曼机、深度置信网络、对比散度算法、ReLU激活单元、Dropout方法，在2017年末又提出胶囊神经网络，改善了CNN。
反向传播
Back Propagation，很难相信它在生物学上成立，并且他需要使用SGD等方法进行优化，这是一个高度非凸的问题，相比之下，SVM显然可解释性更高也更优雅。
- 收敛速度慢，使用Newton法解决
- 过拟合，Dropout方法解决
- 局部极小，使用不同的初始值
限制波尔兹曼机RBM
在第二次NN低谷后，Hinton寻找到了另一个模型：统计热力学模型，根据波尔兹曼统计相关知识，结合马尔科夫随机场等图学习理论，提出波尔兹曼机(BM)。使用能量模型描述神经网络，更加可解释。
人工神经网络
- 前馈结构(Feed Forward)，没有循环，静态的网络
- 反馈结构(Feedback/ Recurrent)，有循环，是动态的网络
HopField网络
它是反馈结构的神经网络，它具有内容寻址记忆的特点，通过与数据部分相似的输入，回想起数据本身。
波尔兹曼机
也是反馈结构，但是他服从波尔兹曼分布，具有隐单元。
RBM
他是波尔兹曼机的限制版本，限制可见层(v，输入)与隐层(h，输出)之间有连接，但是层内无连接，这就不构成循环结构。值得注意的是，上述三个网络的神经元只有0/1状态，即激活与未激活状态。
在统计热力学中，波尔兹曼分布（Gibson分布），用于描述量子体系量子态分布：
P
(
s
)
∝
e
−
E
(
s
)
k
T
P(s) \propto e^{\frac{-E(s)}{kT}}
P(s)∝ekT−E(s)，其中
s
s
s为量子态，
E
(
s
)
E(s)
E(s)为状态的能量,
P
(
s
)
P(s)
P(s)为这个状态出现的概率，
k
k
k为波尔兹曼常熟，
T
T
T是系统温度(常数)，所以可以假设
k
T
=
1
kT=1
kT=1，可以简化为
P
(
s
)
∝
e
−
E
(
s
)
P(s) \propto e^{-E(s)}
P(s)∝e−E(s)
可以得到每个量子的概率为
P
(
s
i
)
=
e
−
E
(
s
i
)
∑
s
e
−
E
(
s
)
P(s_{i}) = \frac{ e^{-E(s_{i})} }{ \sum_{s}e^{-E(s)} }
P(si)=∑se−E(s)e−E(si)
这和softmax相同，我们可以再次定义
Z
:
=
∑
s
e
−
E
(
s
)
Z := \sum_{s}e^{-E(s)}
Z:=∑se−E(s)，于是有
P
(
s
)
=
1
Z
e
−
E
(
s
)
P(s) = \frac{1}{Z} e^{-E(s)}
P(s)=Z1e−E(s)。
为了把这个模型应用在神经网络中，我们需要定义
E
E
E与
s
s
s在神经网络中的角色。前面说过，经典的人工神经网络中，具有可见层与隐层(中间层)，所以定义
s
s
s为可见层并上隐层的状态，即
s
=
(
v
,
h
)
s=(v, h)
s=(v,h)，
P
(
v
,
h
)
=
1
Z
e
−
E
(
v
,
h
)
P(v,h) = \frac{1}{Z}e^{-E(v, h)}
P(v,h)=Z1e−E(v,h)。同样巧合的是，物理学中的易辛(Ising)模型，与神经网络极其相似，对于神经元的偏置作为Ising Model的外场，权重
W
W
W作为内部耦合系数(两个神经元之间的权重越大，代表耦合程度越高，关联越强)，得到如下能量公式，
E
(
v
,
h
)
=
−
a
T
v
−
b
T
h
−
h
T
W
v
E(v, h) = -a^{T}v-b^{T}h-h^{T}Wv
E(v,h)=−aTv−bTh−hTWv
可以看出，对于可见层的偏置设为
a
a
a，而对于隐藏层的偏置则为
b
b
b。如果我们将某个神经元
h
i
h_{i}
hi的能量分离出来，也就是
E
(
v
,
h
)
=
−
a
T
v
−
b
′
T
v
h
′
−
h
′
T
W
′
v
−
h
i
(
W
i
v
+
b
i
)
E(v, h) = -a^{T}v - b'^{T}vh'-h'^{T}W'v - h_{i}(W_{i}v+b_{i})
E(v,h)=−aTv−b′Tvh′−h′TW′v−hi(Wiv+bi)
将前半段式子设为
E
(
v
,
h
′
)
=
−
a
T
v
−
b
′
T
v
h
′
−
h
′
T
W
′
v
E(v,h')=-a^{T}v - b'^{T}vh'-h'^{T}W'v
E(v,h′)=−aTv−b′Tvh′−h′TW′v，那么我们就可以得到
P
(
v
,
h
)
=
1
Z
e
−
E
(
v
,
h
′
)
e
h
i
W
i
v
+
b
i
P(v, h) = \frac{1}{Z} e^{-E(v, h')} e^{h_{i}W_{i}v+b_{i}}
P(v,h)=Z1e−E(v,h′)ehiWiv+bi，很容易得到
P
(
h
i
=
1
∣
v
)
=
∑
h
′
,
h
i
=
1
P
(
v
,
h
)
∑
h
′
,
h
i
=
0
P
(
v
,
h
)
+
∑
h
′
,
h
i
=
1
P
(
v
,
h
)
=
1
1
+
∑
h
′
,
h
i
=
0
P
(
v
,
h
)
∑
h
′
,
h
i
=
1
P
(
v
,
h
)
=
1
1
+
∑
h
′
E
(
v
,
h
′
)
∑
h
′
E
(
v
,
h
′
)
e
W
i
v
+
b
i
=
1
1
+
e
−
(
w
i
v
+
b
i
)
\begin{array}{l} \quad P(h_{i}=1|v) &=& \frac{ \sum_{h',h_{i}=1}P(v,h) } { \sum_{h',h_{i}=0}P(v,h) + \sum_{h',h_{i}=1}P(v,h) } \\ &=& \frac{1}{1 + \frac{ \sum_{h',h_{i}=0}P(v,h) }{ \sum_{h',h_{i}=1}P(v,h) } } \\ &=& \frac{1} {1 + \frac{\sum_{h'}E(v,h')}{ \sum_{h'}E(v,h')e^{W_{i}v+b_{i}} } } \\ &=& \frac{1}{1+e^{-(w_{i}v+b_{i})}} \\ \end{array}
P(hi=1∣v)====∑h′,hi=0P(v,h)+∑h′,hi=1P(v,h)∑h′,hi=1P(v,h)1+∑h′,hi=1P(v,h)∑h′,hi=0P(v,h)11+∑h′E(v,h′)eWiv+bi∑h′E(v,h′)11+e−(wiv+bi)1
再次得到了Sigmoid函数，也就是
P
(
h
i
=
1
∣
v
)
=
σ
(
W
i
v
+
b
)
P(h_{i}=1|v) = \sigma(W_{i}v+b)
P(hi=1∣v)=σ(Wiv+b)
这时候，Sigmoid函数的解释为波尔兹曼分布下隐含层神经元激活的条件概率的激活函数。
优化的目标，就是极大死然估计，也就是最大化
P
(
v
)
=
1
Z
∑
h
e
−
E
(
v
,
h
)
P(v)=\frac{1}{Z} \sum_{h}e^{-E(v, h)}
P(v)=Z1∑he−E(v,h)，这个方程与热力统计学中的自由能十分相似
F
(
v
)
=
−
l
n
∑
h
e
−
E
(
v
,
h
)
F(v)=-ln\sum_{h}e^{-E(v, h)}
F(v)=−ln∑he−E(v,h)，而式中
Z
=
∑
v
e
−
F
(
v
)
Z=\sum_{v}e^{-F(v)}
Z=∑ve−F(v)，于是有
P
(
v
)
=
1
Z
e
−
F
(
v
)
P(v)=\frac{1}{Z}e^{-F(v)}
P(v)=Z1e−F(v)，而我们的目标是使能量最低的一组参数，在论文A practical guide to training restricted Boltzmann machines Momentum中可以看到更多细节。
不过优化整体网络是很困难的，其根源性在于分配函数 Z Z Z，通常认为这是一个P-Hard问题，如果能够解决，那么很多热力学系统，包括Ising模型也就迎刃而解了。
算法中很重要的手段是贪心，逐层训练网络，而不是整体优化，为了训练每层RBM，Hinton提出了对比散度(Contrastive divergence)算法。利用Gibbs采样，但是收敛速度仍然很慢，所以再次近似固定采样步数 k = 1 k=1 k=1，这时候效果已经相当好了。这个算法是无监督的学习，不需要标签就可以调优。
不过，后来由于使用ReLU以及合适的初始化，加上CNN，搭配GPU，原来的深度神经网络可以照常训练，不需要使用RBM预训练。在监督学习方面，效果不如直接反向传播，所以最近很少有人再提起，所以如今神经网络模型与30年前(LSTM、CNN)没什么差别，只有trick上的差距。
物理定律是一部分不能用数学证明的真理。
深度置信网络(Deep Belief Networks)
由多个RBM组成，每次训练一个RBM。
Todo List
- 插入图片
858
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
