斯坦福大学深度学习笔记：神经网络

一、神经网络背景

神经网络的灵感来源与人的大脑。实验证明大脑利用同一个学习算法实现了听觉、视觉等等所有的功能，这也是神经网络算法美好的愿景。

神经网络算法在八十到九十年代被广泛使用过， 20世纪90年代，各种各样的浅层机器学习模型相继被提出，例如支撑向量机（SVM，Support Vector Machines）、 Boosting、最大熵方法（如LR，Logistic Regression）等。但之后便使用的变少了。但最近又开始流行起来了，原因是神经网络非常依赖计算能力的算法，随着新计算机性能的提高，算法又成为了有效的技术。

   二、神经网络模型表达

神经网络模型与人类神经元特别相似。

                  

逻辑回归的激活函数

   

第一层成为输入层（Input Layer），最后一层称为输出层（Output Layer），中间一层成为隐藏层（Hidden Layers）。我们为每一层都增加一个偏倚单位（bias unit）：X0,

下面引入一些标记法来帮助描述模型：
    代表第j层的第i个激活单元。

    代表从第j层映射到第j+1层时的权重的矩阵，例如代表从第一层映射到第二层的权重的矩阵。其尺寸为：以第j层的激活单元数量为行数，以第j+1层的激活单元数为列数的矩阵。例如：上图所示的神经网络中的尺寸为4*3。

    三、正向传播

对于上面的神经网络我们可以计算第二层的值为：

               

  计算后加上

  根据第二层的值计算出第三层的值。

 正向传播就是如此，从输入参数到最终结果

          

   四、多类分类

如果输出结果超过两个我们使用多个输出节点，比如我们训练一个算法用来识别路人、汽车、摩托车和卡车，在输出层我们应该有4个值。例如，第一个值为1或0用于预测是否是行人，第二个值用于判断是否为汽车。
下面是该神经网络的可能结构示例：   

      

神经网络算法的结果可能为这四种之一：

                                

   五、神经网络的代价函数（cost function）

我们还记得逻辑回归中的代价函数

      

          

其实只要理解Cost function反映的就是预测值与实际值的误差，那么完全可以根据问题自定义一个Cost function表达式。在Coursera Machine Learning课程中将神经网络看作是输出层采用逻辑回归的分类器，因此其代价函数如下：

与逻辑回归对比只是逻辑回归的结果是一个，而是K个逻辑回归单元。

       其中 ：

L代表一个神经网络中的层数

Sl 代表第l层的处理单元（包括偏见单元）的个数。

SL代表最后一层中处理单元的个数。

K代表我们希望分类的类的个数，与SL相等。

   六、反向传播（BACKPROPAGATION ）

反向传播算法就是首先计算最后一层的误差，然后再一层一层反向求出各层误差，直到倒数第二层。
    因为第一层是输入变量不存在误差。

首先，我们引入 符号 δ ，解释如下：

代表了第 l 层的第 j 个节点的误差。

那么，各层各节点的error计算如下：

其中，

我们有了所有的误差表达式后，便可以计算代价函数的导数了。假设λ=0，即我们不做任何归一化处理时有：

      

重要的是清楚地知道上面式子中上下标的含义：
 l代表目前所计算的是第几层。
  j代表目前计算层中的激活单元的下标，也将是下一层的第j个输入变量的下标。
  i代表下一层中误差单元的下标，是受到权重矩阵中第i行影响的下一层中的误差单元的下标。

 在求出了之后，我们便可以计算代价函数的偏导数了，计算方法如下：

          

   七、 梯度检查（Gradient Checking）

当我们对一个较复杂的模型使用 梯度下降算法时，可能会存在一些不容易察觉的错误，意味着，虽然代价看上去在不断减小，但最终的结果可能并不是最优解。为了避免这样的问题，我们采取一种叫做梯度的数值检验（Numerical Gradient Checking）方法。

            

Octave中代码如下：
gradApprox = (J(theta + eps) – J(theta - eps)) / (2*eps)

多参数使用公式：

  八、随机初始化（Random Initialization）

我们不能式用全0或者全部相同数字来初始化参数。如果使用全0则会计算出相同的a1,a2。 那就意味着所有映射关系都是相同的，即所有的隐藏单元都在计算相同的激励值，那么多单元神经网络就是多余的，最终该网络只会得到一个特征。这被称为对称权重（Symmetric ways）。

我们使用随机初始化解决这种问题：

ɛ 的取值：

     

Θ 的初始化：