记忆网络RNN、LSTM与GRU

一般的神经网络输入和输出的维度大小都是固定的，针对序列类型（尤其是变长的序列）的输入或输出数据束手无策。RNN通过采用具有记忆的隐含层单元解决了序列数据的训练问题。LSTM、GRU属于RNN的改进，解决了RNN中梯度消失爆炸的问题，属于序列数据训练的常用方案。

RNN

结构

传统的神经网络的输入和输出都是确定的，RNN的输入和输出都是不确定的sequence数据。其结构如下：

具体地，RNN有隐含层，隐含层也是记忆层，其状态（权值）会传递到下一个状态中。

$$\begin{split} h^t &= \sigma(x^tW_{xh} + h^{t-1}W_{hh}) \\ y^t &= \sigma(h^tW_{hy}) \end{split}$$

训练

训练步骤如下：

1. 构建损失函数
2. 求损失函数对权值的梯度
3. 采用梯度下降法更新权值参数

关于损失函数，根据需要选择构建即可，下面提供两种常见的损失函数：

$$\begin{split} C &= \frac{1}{2}\sum_{n=1}^N ||y^n-{\hat{y}}^n||^2 \\ C &= \frac{1}{2}\sum_{n=1}^N -\log y_{r^n}^n \end{split}$$

关于梯度下降，采用BPTT(Backpropagation through time)算法，该算法的核心是对每一个时间戳，计算该时间戳中权重的梯度，然后更新权重。需要注意的是，不同时间戳同样权重的梯度可能是不一样的，如下图所示都减去，相当于更新同一块内存区域中的权重。

应用

• 多对多：词性标注pos tagging、语音识别、name entity recognition（区分poeple、organizations、places、information extration（区分place of departure、destination、time of departure、time of arrival， other）、机器翻译
• 多对一：情感分析
• 一对多：caption generation

RNN Variants

RNN的变种大致包含下面3个思路：

• 增加隐含层的输入参数：例如除了$h^{t-1}, x^t$，还可以包含$y^{t-1}$作为输入。
• 增加隐含层的深度
• 双向RNN

LSTM

结构

• 单个时间戳，RNN输入1个x，输出1个y
• 单个时间戳，LSTM输入4个x，输出1个y

相比RNN，LSTM的输入多了3个x，对应3个gate，这3个gate分别是：

• input gate：控制输入
• forget gate：控制cell
• output gate：控制输出

涉及到的激活函数共5个，其中3个控制gate的（通常用sigmoid函数，模拟gate的开闭状态），1个作用于输入上，一个作用于cell的输出上。

LSTM单个时间戳的具体执行如下：

• 输入：4个输入$x$，1个cell的状态$c$
• 输出：1个输出$a$，1个更新的cell状态$c'$

$$\begin{split} c' &= g(z)f(z_i) + cf(z_f) \\ a &= h(c')f(z_o) \end{split}$$

梯度消失及梯度爆炸

首先，要明白RNN中梯度消失与梯度爆炸的原因：在时间戳的更新中，cell的状态不断乘以$W_{hh}$。简单起见，视$W_{hh}$为scalar值$w$，那么$y=xw^n$，$\frac{\partial{y}}{\partial{w}}=nxw^{n-1}$。根据$w$的值与1的大小关系，梯度会消失或者爆炸。

接下来，要明白LSTM如何解决RNN中梯度消失与爆炸的问题。

针对梯度消失，RNN中当获取$c'$的梯度后，因为$c' = cw$，为了backward获得$c$的梯度，要将$c'$的梯度乘以$w$；LSTM中存在梯度的快速通道，获取$c'$的梯度后，因为$c' = g(z)f(z_i)+cf(z_f)$，当forget gate打开时，$c' = g(z)f(z_i)+c$。$c'$的梯度可以直接传递给$c$。
总结来说，LSTM相比RNN，将$c,c'$的更新关系从乘法变成了加法，因此不用乘以权值系数$w$，$c'$的梯度可以直接传递给$c$，解决了梯度消失的问题。

针对梯度爆炸，即使将$c,c'$的关系由乘法变成了加法，仍然解决不了梯度爆炸。原因便是梯度的路径不止一条，如下图所示，红色的块仍然可能造成梯度爆炸。LSTM解决这个问题的方法是clip，也就是设置梯度最大值，超过最大值的按最大值计。

GRU

结构

GRU相比LSTM的3个gate，只用了两个gate：

• update gate：$z_t$
• reset gate：$r_t$