1. 序列模型的应用
- 语音识别:将输入的语音信号直接输出相应的语音文本信息。无论是语音信号还是文本信息均是序列数据。
- 音乐生成:生成音乐乐谱。只有输出的音乐乐谱是序列数据,输入可以是空或者一个整数。
- 情感分类:将输入的评论句子转换为相应的等级或评分。输入是一个序列,输出则是一个单独的类别。
- DNA序列分析:找到输入的DNA序列的蛋白质表达的子序列。
- 机器翻译:两种不同语言之间的想换转换。输入和输出均为序列数据。
- 视频行为识别:识别输入的视频帧序列中的人物行为。
- 命名实体识别:从输入的句子中识别实体的名字。
2. 数学符号
- 输入 x :如 “ H a r r y P o t t e r a n d H e r m i n o n e G r a n g e r i n v e n t e d a n e w s p e l l . ” “Harry Potter and Herminone Granger invented a new spell.” “HarryPotterandHerminoneGrangerinventedanewspell.”(以序列作为一个输入), x < t > x^{<t>} x<t> 表示输入 x x x 中的第 t t t 个符号。
- 输出 y :如 “ 110110000 ” “1 1 0 1 1 0 0 0 0” “110110000”(人名定位),同样,用 y < t > y^{<t>} y<t> 表示输出 y y y 中的第 t t t 个符号。
- T x T_{x} Tx 用来表示输入 x x x 的长度;
- T y T_{y} Ty 用来表示输出 y y y 的长度;
- x ( i ) < t > x^{(i)<t>} x(i)<t> 表示第 i i i 个输入样本的第 t t t 个符号,其余同理。
- 利用单词字典编码来表示每一个输入的符号:如one-hot编码等,实现输入 x x x 和输出 y y y 之间的映射关系。
3. 循环神经网络模型
对于学习 X 和 Y 的映射,我们可以很直接的想到一种方法就是使用传统的标准神经网络。也许我们可以将输入的序列X以某种方式进行字典编码以后,如one-hot编码,输入到一个多层的深度神经网络中,最后得到对应的输出 Y 。如下图所示:
这里需要注意在零时刻,我们需要编造一个激活值,通常输入一个零向量,有的研究人员会使用随机的方法对该初始激活向量进行初始化。同时,上图中右边的循环神经网络的绘制结构与左边是等价的。
循环神经网络是从左到右扫描数据的,同时共享每个时间步的参数。
- W a x W_{ax} Wax管理从输入 x < t > x^{<t>} x<t>到隐藏层的连接,每个时间步都使用相同的 W a x W_{ax} Wax ,同下;
- W a a W_{aa} Waa 管理激活值 a < t > a^{<t>} a<t> 到隐藏层的连接;
- W y a W_{ya} Wya 管理隐藏层到激活值 y < t > y^{<t>} y<t> 的连接。
上述循环神经网络结构的缺点:每个预测输出 y < t > y^{<t>} y<t> 仅使用了前面的输入信息,而没有使用后面的信息。Bidirectional RNN(双向循环神经网络)可以解决这种存在的缺点。
循环神经网络的前向传播:
下图是循环神经网络结构图:
- 构造初始激活向量: a < 0 > = 0 → a^{<0>} = \overrightarrow {0} a<0>=0 ;
- a < 1 > = g ( W a a a < 0 > + W a x a < 1 > + b a ) a^{<1>}=g(W_{aa}a^{<0>}+W_{ax}a^{<1>}+b_a) a<1>=g(Waaa<0>+Waxa<1>+ba);通常选择 tanh \tanh tanh 作为激活函数,有时也会使用 R e l u Relu Relu 作为激活函数;(使用 tanh \tanh tanh 函数梯度消失的问题会用其他方式解决)
- y ^ < 1 > = g ( W y a a < 1 > + b y ) \hat{y}^{<1>}=g(W_{ya}a^{<1>}+b_y) y^<1>=g(Wyaa<1>+by);如果是二分类问题,使用 s i g m o i d sigmoid sigmoid作为激活函数,如果是多分类问题,可以使用 s o f t m a x softmax softmax 激活函数;
- 注:其中
W
a
x
W_{ax}
Wax中,前面的a表示要得到一个
a
a
a类型的量,
x
x
x表示参数
W
W
W要乘以一个
x
x
x类型的量,其余
W
a
a
、
W
y
a
W_{aa} 、 W_{ya}
Waa、Wya同理;
上式是RNN的一般前向传播公式,我们还可以对上式进行简化:
其中: - W a = [ W a a ⋮ W a x ] W_{a} = [ {{W_{aa}} \vdots {W_{ax}}} ] Wa=[Waa⋮Wax],假如 a < t − 1 > a^{<t-1>} a<t−1>是100维, x < t > x^{<t>} x<t>是10000维,那么 W a a {W_{aa}} Waa 便是 (100,100) 维的矩阵, W a x {W_{ax}} Wax便是(100,10000)维的矩阵。堆叠起来, W a W_{a} Wa 便是 (100,10100) 维的矩阵。
-
[
a
<
t
−
1
>
,
x
<
t
>
]
=
[
a
<
t
−
1
>
x
<
t
>
]
[a^{<t-1>},x^{<t>}] = \left[ \begin{array}{l} {a^{ < t - 1 > }}\\\ {x^{ < t > }} \end{array} \right]
[a<t−1>,x<t>]=[a<t−1> x<t>] ,表示一个 (10100) 维的矩阵。
4. 穿越时间的反向传播(Backpropagation through time)
为了进行反向传播计算,使用梯度下降等方法来更新RNN的参数,我们需要定义一个损失函数,如下:
上式表示将每个输出的损失进行求和即为整体的损失函数。反向传播算法按照前向传播相反的方向进行导数计算,来对参数进行更新。其中比较特别的是在RNN中,从右向左的反向传播计算是通过时间来进行,像穿越时间的反向计算。
5. 不同类型的循环神经网络
对于RNN,不同的问题需要不同的输入输出结构。
many-to-many( T x = T y T_{x} = T_{y} Tx=Ty ):
这种情况下的输入和输出的长度相同,是上面例子的结构,如下图所示:
many-to-one:
如在情感分类问题中,我们要对某个序列进行正负判别或者打星操作。在这种情况下,就是输入是一个序列,但输出只有一个值:
one-to-many:
如在音乐生成的例子中,输入一个音乐的类型或者空值,直接生成一段音乐序列或者音符序列。在这种情况下,就是输入是一个值,但输出是一个序列:
many-to-many(
T
x
≠
T
y
T_{x} \neq T_{y}
Tx̸=Ty ):
我们上面介绍的一种RNN的结构是输入和输出序列的长度是相同的,但是像机器翻译这种类似的应用来说,输入和输出都是序列,但长度却不相同,这是另外一种多对多的结构:
6. 语言模型和序列输出
在NLP中,构建语言模型是最基础也是最重要的工作之一,我们可以通过RNN来很好的实现。
什么是语言模型?
对于下面的例子,两句话有相似的发音,但是想表达的意义和正确性却不相同,如何让我们的构建的语音识别系统能够输出正确地给出想要的输出。也就是对于语言模型来说,从输入的句子中,评估各个句子中各个单词出现的可能性,进而给出整个句子出现的可能性。
使用RNN构建语言模型:
- 训练集:一个很大的语言文本语料库;
- Tokenize:将句子使用字典库标记化;
- 其中,未出现在字典库中的词使用“UNK”来表示;
- 第一步:使用零向量对输出进行预测,即预测第一个单词是某个单词的可能性;
- 第二步:通过前面的输入,逐步预测后面一个单词出现的概率;
- 训练网络:使用softmax损失函数计算损失,对网络进行参数更新,提升语言模型的准确率。
7. 对新序列采样
在完成一个序列模型的训练之后,如果我们想要了解这个模型学到了什么,其中一种非正式的方法就是进行一次新序列采样(sample novel sequences)。对于一个序列模型,其模拟了任意特定单词序列的概率,如 P ( y < 1 > , ⋯   , y < T y > ) P(y^{<1>},\cdots, y^{<T_{y}>}) P(y<1>,⋯,y<Ty>) ,而我们要做的就是对这个概率分布进行采样,来生成一个新的单词序列。
如下面的一个已经训练好的RNN结构,我们为了进行采样需要做的:
- 首先输入 x < 1 > = 0 , a < 0 > = 0 x^{<1>} = 0,a^{<0>} = 0 x<1>=0,a<0>=0 ,在这第一个时间步,我们得到所有可能的输出经过 softmax 层后可能的概率,根据这个 softmax 的分布,进行随机采样,获取第一个随机采样单词 y ^ < 1 > \hat y^{<1>} y^<1> ;
- 然后继续下一个时间步,我们以刚刚采样得到的 y ^ < 1 > \hat y^{<1>} y^<1> 作为下一个时间步的输入,进而 softmax 层会预测下一个输出 y ^ < 2 > \hat y^{<2>} y^<2> ,依次类推;
- 如果字典中有结束的标志如:“EOS”,那么输出是该符号时则表示结束;若没有这种标志,则我们可以自行设置结束的时间步。
上面的模型是基于词汇的语言模型,我们还可以构建基于字符的语言模型,其中每个单词和符号则表示一个相应的输入或者输出:
但是基于字符的语言模型,一个主要的缺点就是我们最后会得到太多太长的输出序列,其对于捕捉句子前后依赖关系,也就是句子前部分如何影响后面部分,不如基于词汇的语言模型那样效果好;同时基于字符的语言模型训练代价比较高。所以目前的趋势和常见的均是基于词汇的语言模型。但随着计算机运算能力的增强,在一些特定的情况下,也会开始使用基于字符的语言模型。
8. RNN的梯度消失
RNN在NLP中具有很大的应用价值,但是其存在一个很大的缺陷,那就是梯度消失的问题。例如下面的例句中:
The cat, which already ate …,was full;
The cats, which already ate …,were full.
在这两个句子中,cat对应着was,cats对应着were,(中间存在很多很长省略的单词),句子中存在长期依赖(long-term dependencies),前面的单词对后面的单词有很重要的影响。但是我们目前所见到的基本的RNN模型,是不擅长捕获这种长期依赖关系的。
如下图所示,和基本的深度神经网络结构类似,输出y得到的梯度很难通过反向传播再传播回去,也就是很难对前面几层的权重产生影响,所以RNN也有同样的问题,也就是很难让网络记住前面的单词是单数或者复数,进而对后面的输出产生影响。
对于梯度消失问题,在RNN的结构中是我们首要关心的问题,也更难解决;虽然梯度爆炸在RNN中也会出现,但对于梯度爆炸问题,因为参数会指数级的梯度,会让我们的网络参数变得很大,得到很多的Nan或者数值溢出,所以梯度爆炸是很容易发现的,我们的解决方法就是用梯度修剪,也就是观察梯度向量,如果其大于某个阈值,则对其进行缩放,保证它不会太大。
9. GRU单元
门控循环单元(Gated Recurrent Unit, GRU)改变了RNN的隐藏层,使其能够更好地捕捉深层次连接,并改善了梯度消失的问题。
RNN 单元:
对于RNN的一个时间步的计算单元,在计算
a
<
t
>
a^{<t>}
a<t> 也就是下图右边的公式,能以左图的形式可视化呈现:
简化的GRU 单元:
我们以时间步从左到右进行计算的时候,在GRU单元中,存在一个新的变量称为 c c c ,(代表cell),作为“记忆细胞”,其提供了长期的记忆能力。
c
<
t
>
=
a
<
t
>
c^{<t>} = a^{<t>}
c<t>=a<t> ,实际上记忆细胞输出的是在
t
t
t 时间步上的激活值
a
a
a ;
c
~
<
t
>
=
tanh
(
W
c
[
c
<
t
−
1
>
,
x
<
t
>
]
+
b
c
)
,
\widetilde c^{<t>} = \tanh (W_{c}[c^{<t-1>}, x^{<t>}] + b_{c}) ,
c
<t>=tanh(Wc[c<t−1>,x<t>]+bc),在每一个时间步上,给定一个候选值
c
~
<
t
>
\widetilde c^{<t>}
c
<t> ,用以替代原本的记忆细胞
c
<
t
>
c^{<t>}
c<t> ;
Γ
u
=
σ
(
W
u
[
c
<
t
−
1
>
,
x
<
t
>
]
+
b
u
)
{\Gamma _u}=\sigma (W_{u}[c^{<t-1>}, x^{<t>}] + b_{u})
Γu=σ(Wu[c<t−1>,x<t>]+bu) ,代表更新门,是一个
0
−
1
0-1
0−1的值,用以决定是否对当前时间步的记忆细胞用候选值更新替代;
c
<
t
>
=
Γ
u
∗
c
~
<
t
>
+
(
1
−
Γ
u
)
∗
c
<
t
−
1
>
c^{<t>} = {\Gamma _u}*\widetilde c^{<t>} + (1-{\Gamma _u})*c^{<t-1>}
c<t>=Γu∗c
<t>+(1−Γu)∗c<t−1> ,记忆细胞的更新规则,门控值处于
0
−
1
0-1
0−1之间,根据跟新公式能够有效地缓解梯度消失的问题。
其中,
c
<
t
>
、
c
~
<
t
>
、
Γ
u
c^{<t>}、\widetilde c^{<t>}、{\Gamma _u}
c<t>、c
<t>、Γu 均具有相同的维度。
GRU的可视化实现如下图右边所示:
完整的GRU 单元:
完整的GRU单元还存在另外一个门,以决定每个时间步的候选值,公式如下:
10. LSTM
GRU能够让我们在序列中学习到更深的联系,长短期记忆(long short-term memory, LSTM)对捕捉序列中更深层次的联系要比GRU更加有效。
LSTM中,使用了单独的更新门
Γ
u
{\Gamma _u}
Γu 和遗忘门
Γ
f
{\Gamma _f}
Γf ,以及一个输出门
Γ
o
{\Gamma _o}
Γo ,其主要的公式如下:
LSTM单元的可视化图如下所示:
其中,在实际使用时,几个门值不仅仅取决于
a
<
t
−
1
>
a^{<t-1>}
a<t−1> 和
x
<
t
>
x^{<t>}
x<t> ,还可能会取决于上一个记忆细胞的值
c
<
t
−
1
>
c^{<t-1>}
c<t−1> ,这也叫做偷窥孔连接。
11. 双向RNN
双向RNN(bidirectional RNNs)模型能够让我们在序列的某处,不仅可以获取之间的信息,还可以获取未来的信息。
对于下图的单向RNN的例子中,无论我们的RNN单元是基本的RNN单元,还是GRU,或者LSTM单元,对于例子中第三个单词"Teddy"很难判断是否是人名,仅仅使用前面的两个单词是不够的,需要后面的信息来进行判断,但是单向RNN就无法实现获取未来的信息。
而双向RNN则可以解决单向RNN存在的弊端。在BRNN中,不仅有从左向右的前向连接层,还存在一个从右向左的反向连接层。
其中,预测输出的值
y
^
<
t
>
=
g
(
W
y
[
a
→
<
t
>
,
a
←
<
t
>
]
+
b
y
)
\hat y^{<t>} = g(W_{y}[\overrightarrow a^{<t>}, \overleftarrow a^{<t>}] + b_{y})
y^<t>=g(Wy[a<t>,a<t>]+by) ,预测结果即有前向的信息,又有反向的信息。在NLP问题中,常用的就是使用双向RNN的LSTM。
12. 深层RNNs
与深层的基本神经网络结构相似,深层RNNs模型具有多层的循环结构,但不同的是,在传统的神经网络中,我们可能会拥有很多层,几十层上百层,但是对与RNN来说,三层的网络结构就已经很多了,因为RNN存在时间的维度,所以其结构已经足够的庞大。如下图所示:
参考资料:
以上内容搬运自吴恩达深度学习连载笔记:https://zhuanlan.zhihu.com/p/34209938
week4不到一天就看完了,也不知道以前为啥看的这么慢。时间啊时间,都水过去了。
明天做这周的编程作业。吼吼。