长短时记忆网络(LSTM)

最新推荐文章于 2024-05-24 11:20:25 发布

devil_son1234

最新推荐文章于 2024-05-24 11:20:25 发布

阅读量1.2k

点赞数

分类专栏： AI 文章标签：深度学习

原文链接：https://zybuluo.com/hanbingtao/note/581764

版权

AI 专栏收录该内容

29 篇文章 4 订阅

订阅专栏

长短时记忆网络是啥

长短时记忆网络的思路比较简单。原始RNN的隐藏层只有一个状态，即h，它对于短期的输入非常敏感。那么，假如我们再增加一个状态，即c，让它来保存长期的状态，那么问题不就解决了么？如下图所示：

新增加的状态c，称为单元状态(cell state)。我们把上图按照时间维度展开：

上图仅仅是一个示意图，我们可以看出，在t时刻，LSTM的输入有三个：当前时刻网络的输入值 $x_{t}$ 、上一时刻LSTM的输出值 $h_{t-1}$ 、以及上一时刻的单元状态 $c_{t-1}$ ；LSTM的输出有两个：当前时刻LSTM输出值 $h_{t}$ 、和当前时刻的单元状态 $c_{t}$ 。注意x、h、c都是向量。

LSTM的关键，就是怎样控制长期状态c。在这里，LSTM的思路是使用三个控制开关。第一个开关，负责控制继续保存长期状态c；第二个开关，负责控制把即时状态输入到长期状态c；第三个开关，负责控制是否把长期状态c作为当前的LSTM的输出。三个开关的作用如下图所示：

长短时记忆网络的前向计算

先来看一下遗忘门：

上式中， $W_{f}$ 是遗忘门的权重矩阵， $\left [ h_{t-1}, x_{t}\right ]$ 表示把两个向量连接成一个更长的向量， $b_{f}$ 是遗忘门的偏置项， $\sigma$ 是sigmoid函数。如果输入的维度是 $d_{x}$ ，隐藏层的维度是 $d_{h}$ ，单元状态的维度是 $d_{c}$ （通常 $d_{c}= d_{h}$ ），则遗忘门的权重矩阵 $W_{f}$ 维度是 $d_{c}*\left ( d_{h} +d_{x} \right )$ 。事实上，权重矩阵 $W_{f}$ 都是两个矩阵拼接而成的：一个是 $W_{fh}$ ，它对应着输入项 $h_{t-1}$ ，其维度为 $d_{c} * d_{h}$ ；一个是 $W_{fx}$ ，它对应着输入项 $x_{t}$ ，其维度为 $d_{c} * d_{x}$ 。 $W_{f}$ 可以写为：

下图显示了遗忘门的计算：

输入门：

输入门的计算：

当前输入的单元状态 $\tilde{c}_{t}$ ，它是根据上一次的输出和本次输入来计算的：

$\tilde{c}_{t}$ 的计算：

现在，我们计算当前时刻的单元状态 $c_{t}$ :

符号 $\circ$ 表示按元素乘。下图是 $c_{t}$ 的计算：

输出门：

输出门的计算：

LSTM最终的输出，是由输出门和单元状态共同确定的：

下图表示LSTM最终输出的计算：

长短时记忆网络的训练

激活函数

LSTM需要学习的参数共有8组，分别是：遗忘门的权重矩阵 $W_{f}$ 和偏置项 $b_{f}$ 、输入门的权重矩阵 $W_{i}$ 和偏置项 $b_{i}$ 、输出门的权重矩阵 $W_{o}$ 和偏置项 $b_{o}$ ，以及计算单元状态的权重矩阵 $W_{c}$ 和偏置项 $b_{c}$ 。因为权重矩阵的两部分在反向传播中使用不同的公式，因此在后续的推导中，权重矩阵 $W_{f}$ 、 $W_{i}$ 、 $W_{o}$ 、 $W_{c}$ 都将被写为分开的两个矩阵： $W_{fh}$ 、 $W_{fx}$ 、 $W_{ih}$ 、 $W_{ix}$ 、 $W_{oh}$ 、 $W_{ox}$ 、 $W_{ch}$ 、 $W_{cx}$ 。

元素乘 $\circ$ 符号运算：

当 $\circ$ 作用于一个向量和一个矩阵时，运算如下：

对角矩阵右乘一个矩阵：

行向量右乘一个对角矩阵：

定义t时刻的误差项 $\delta _{t}$ 为：

加权输入，以及他们对应的误差项：

误差项沿时间的反向传递

沿时间反向传递误差项，就是要计算出t-1时刻的误差项 $\delta _{t-1}$ 。

利用式4和式6以及全导公式得：

$\delta _{t}^{T}\frac{\partial h_{t}}{\partial h_{t-1}}=\delta _{t}^{T}\frac{\partial h_{t}}{\partial o_{t}}\frac{\partial o_{t}}{\partial net_{o,t}}\frac{\partial net_{o,t}}{\partial h_{t-1}} + \delta _{t}^{T}\frac{\partial h_{t}}{\partial c_{t}}\frac{\partial c_{t}}{\partial f_{t}}\frac{\partial f_{t}}{\partial net_{f,t}}\frac{\partial net_{f,t}}{\partial h_{t-1}} + \delta _{t}^{T}\frac{\partial h_{t}}{\partial c_{t}}\frac{\partial c_{t}}{\partial i_{t}}\frac{\partial i_{t}}{\partial net_{i,t}}\frac{\partial net_{i,t}}{\partial h_{t-1}} + \delta _{t}^{T}\frac{\partial h_{t}}{\partial c_{t}}\frac{\partial c_{t}}{\partial \tilde{c}_{t}}\frac{\partial \tilde{c}_{t}}{\partial net_{\tilde{c},t}}\frac{\partial net_{\tilde{c},t}}{\partial h_{t-1}}$

$= \delta _{o,t}^{T}\frac{\partial net_{o,t}}{\partial h_{t-1}} + \delta _{f,t}^{T}\frac{\partial net_{f,t}}{\partial h_{t-1}} + \delta _{i,t}^{T}\frac{\partial net_{i,t}}{\partial h_{t-1}} + \delta _{\tilde{c},t}^{T}\frac{\partial net_{\tilde{c},t}}{\partial h_{t-1}}$ (式7)

根据式6，我们可以求出：

根据式4，我们可以求出：

因为：

我们很容易得出：

将上述偏导数带入到式7，我们得到：

注意：原链接此处推导有误，应该为 $\delta _{t-1}^{T}$

根据 $\delta _{o,t}$ 、 $\delta _{f,t}$ 、 $\delta _{i,t}$ 、 $\delta _{\tilde{c},t}$ 的定义，可知：

式8到式12就是将误差沿时间反向传播一个时刻的公式。有了它，我们可以写出将误差项向前传递到任意k时刻的公式：

$\delta _{k}^{T}= \delta _{o,k+1}^{T}W_{oh} + \delta _{f,k+1}^{T}W_{fh} + \delta _{i,k+1}^{T}W_{ih} + \delta _{\tilde{c},k+1}^{T}W_{ch}$ (式13)

注意：原链接此处推导有误，只能迭代计算

权重梯度的计算

t时刻的 $W_{oh}$ 、 $W_{fh}$ 、 $W_{ih}$ 、 $W_{ch}$ ：

将各个时刻的梯度加在一起，就能得到最终的梯度：

各个时刻的偏置项梯度：

下面是最终的偏置项梯度，即将各个时刻的偏置项梯度加在一起：

对于 $W_{fx}$ 、 $W_{ix}$ 、 $W_{ox}$ 、 $W_{cx}$ 的权重梯度，只需要根据相应的误差项直接计算即可：

GRU

前面我们讲了一种普通的LSTM，事实上LSTM存在很多变体，许多论文中的LSTM都或多或少的不太一样。在众多的LSTM变体中，GRU (Gated Recurrent Unit)也许是最成功的一种。它对LSTM做了很多简化，同时却保持着和LSTM相同的效果。因此，GRU最近变得越来越流行。

GRU对LSTM做了两个大改动：

将输入门、遗忘门、输出门变为两个门：更新门（Update Gate） $z_{t}$ 和重置门（Reset Gate） $r_{t}$ 。
将单元状态与输出合并为一个状态：h。

GRU的前向计算公式为：

下图是GRU的示意图：

devil_son1234

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
长短时记忆网络(LSTM)

长短时记忆网络是啥长短时记忆网络的思路比较简单。原始RNN的隐藏层只有一个状态，即h，它对于短期的输入非常敏感。那么，假如我们再增加一个状态，即c，让它来保存长期的状态，那么问题不就解决了么？如下图所示：新增加的状态c，称为单元状态(cell state)。我们把上图按照时间维度展开：上图仅仅是一个示意图，我们可以看出，在t时刻，LSTM的输入有三个：当前时刻网络的输入值、上一...
复制链接

扫一扫

专栏目录