LSTM模型与前向反向传播算法

在循环神经网络(RNN)模型与前向反向传播算法中，我们总结了对RNN模型做了总结。由于RNN也有梯度消失的问题，因此很难处理长序列的数据，大牛们对RNN做了改进，得到了RNN的特例LSTM（Long Short-Term Memory），它可以避免常规RNN的梯度消失，因此在工业界得到了广泛的应用。下面我们就对LSTM模型做一个总结。

1. 从RNN到LSTM

在RNN模型里，我们讲到了RNN具有如下的结构，每个序列索引位置t都有一个隐藏状态h^(t)。

如果我们略去每层都有的o^(t),L^(t),y^(t)，则RNN的模型可以简化成如下图的形式：

图中可以很清晰看出在隐藏状态h^(t)由x^(t)和h^(t−1)得到。得到h^(t)后一方面用于当前层的模型损失计算，另一方面用于计算下一层的h^(t+1)。

由于RNN梯度消失的问题，大牛们对于序列索引位置t的隐藏结构做了改进，可以说通过一些技巧让隐藏结构复杂了起来，来避免梯度消失的问题，这样的特殊RNN就是我们的LSTM。由于LSTM有很多的变种，这里我们以最常见的LSTM为例讲述。LSTM的结构如下图：

可以看到LSTM的结构要比RNN的复杂的多，真佩服牛人们怎么想出来这样的结构，然后这样居然就可以解决RNN梯度消失的问题？由于LSTM怎么可以解决梯度消失是一个比较难讲的问题，这需要很深的数学功底，不过不用担心，我们拿来用就可以了，毕竟大多数程序员不是研究数学的，所以这里就不多说，重点回到LSTM的模型本身。

2. LSTM模型结构剖析

上面我们给出了LSTM的模型结构，下面我们就一点点的剖析LSTM模型在每个序列索引位置t时刻的内部结构。

从上图中可以看出，在每个序列索引位置t时刻向前传播的除了和RNN一样的隐藏状态h^(t)，还多了另一个隐藏状态，如图中上面的长横线。这个隐藏状态我们一般称为细胞状态(Cell State)，记为C^(t)。如下图所示：

除了细胞状态，LSTM图中还有了很多奇怪的结构，这些结构一般称之为门控结构(Gate)。LSTM在在每个序列索引位置t的门一般包括遗忘门，输入门和输出门三种。下面我们就来研究上图中LSTM的遗忘门，输入门和输出门以及细胞状态。

2.1 LSTM之遗忘门

遗忘门（forget gate）顾名思义，是控制是否遗忘的，在LSTM中即以一定的概率控制是否遗忘上一层的隐藏细胞状态。遗忘门子结构如下图所示：

图中输入的有上一序列的隐藏状态h^(t−1)和本序列数据x^(t)，通过一个激活函数，一般是sigmoid，得到遗忘门的输出f^(t)。由于sigmoid的输出f^(t)在[0,1]之间，因此这里的输出f^(t)代表了遗忘上一层隐藏细胞状态的概率。用数学表达式即为：
$$\begin{array}{r}{f}^{(t)}=\sigma (W_f{h}^{(t-1)}+U_f{x}^{(t)}+b_f)\end{array}$$
其中$W_f$,$U_f$,$b_f$为线性关系的系数和偏倚，和RNN中的类似。$\sigma$为sigmoid激活函数。

2.2 LSTM之输入门

输入门（input gate）负责处理当前序列位置的输入，它的子结构如下图：

从图中可以看到输入门由两部分组成，第一部分使用了sigmoid激活函数，输出为i^(t),第二部分使用了tanh激活函数，输出为a^(t), 两者的结果后面会相乘再去更新细胞状态。用数学表达式即为：
$$\begin{array}{rl}{i}^{(t)}& =\sigma (W_i{h}^{(t-1)}+U_i{x}^{(t)}+b_i)\\ a^{(t)}& =tanh(W_a{h}^{(t-1)}+U_a{x}^{(t)}+b_a)\end{array}$$
其中$W_i$,$U_i$,$b_i$,$W_a$,$U_a$,$b_a$,为线性关系的系数和偏倚，和RNN中的类似。σ为sigmoid激活函数。

2.3 LSTM之细胞状态更新

在研究LSTM输出门之前，我们要先看看LSTM之细胞状态。前面的遗忘门和输入门的结果都会作用于细胞状态C^(t)。我们来看看从细胞状态C^(t−1)如何得到^C(t)。如下图所示：

细胞状态C^(t)由两部分组成，第一部分是C^(t−1)和遗忘门输出f^(t)的乘积，第二部分是输入门的i^(t)和a^(t)的乘积，即：
$$\begin{array}{r}{C}^{(t)}=C^{(t-1)}⨀f^{(t)}+i^{(t)}⨀a^{(t)}\end{array}$$
其中，$⨀$为Hadamard积，在DNN中也用到过。

2.4 LSTM之输出门

有了新的隐藏细胞状态C^(t)，我们就可以来看输出门了，子结构如下：

从图中可以看出，隐藏状态h(t)的更新由两部分组成，第一部分是o^(t), 它由上一序列的隐藏状态h^(t−1)和本序列数据x^(t)，以及激活函数sigmoid得到，第二部分由隐藏状态C^(t)和tanh激活函数组成, 即：
$$\begin{array}{rl}{o}^{(t)}& =\sigma (W_o{h}^{(t-1)}+U_o{x}^{(t)}+b_o)\\ h^{(t)}& =o^{(t)}⨀tanh(C^{(t)})\end{array}$$
通过本节的剖析，相信大家对于LSTM的模型结构已经有了解了。当然，有些LSTM的结构和上面的LSTM图稍有不同，但是原理是完全一样的。

3. LSTM前向传播算法

现在我们来总结下LSTM前向传播算法。LSTM模型有两个隐藏状态h^(t),C^(t)，模型参数几乎是RNN的4倍，因为现在多了$W_f$,$U_f$,$b_f$,$W_a$,$U_a$,$b_a$,$W_i$, U i U_{i}