【深度学习入门基础】一、从线性代数和微积分的角度看神经网络

【深度学习入门基础】从线性代数和微积分的角度看神经网络

这是深度学习入门系列文章，我们企图用最简洁的语言、最干净的表达，让读者快速获取到他所想要的。本系列文章持续更新。一些网上能查到的基础知识，诸如激活函数有哪些等，不再介绍。

导言

大多数介绍深度学习的资料，一开始就从生物神经元、轴突、树突、刺激等等讲起，本来很简单的东西，却被介绍得云里雾里。本文将从矩阵乘法和导数的角度入手，让你一下子 get 到什么是神经网络。

矩阵乘法看神经网络

问题是这样一个问题：假设有一个列向量 $\mathbf{x}$，希望它通过一个“黑箱子”的操作之后，出来的向量和另外的一个等长度的已知向量 $\mathbf{y}$ 尽可能地“接近”，如何衡量“接近”？且听稍后介绍。

这里的“黑箱子”就是一个网络，它可以简单地理解为矩阵乘向量的嵌套，即：
$$F(\mathbf{x}):=\sigma (A_n[\cdots (A_3[\sigma (A_2[\sigma (A_1\mathbf{x}+{\mathbf{b}}_1)]+{\mathbf{b}}_2)]+{\mathbf{b}}_3)]+{\mathbf{b}}_{\mathbf{n}})$$
这里的 $A_1、A_2\dots A_n$ 是参数矩阵，里面的元素都是一些未知的参数，这里的 ${\mathbf{b}}_1、{\mathbf{b}}_2\dots {\mathbf{b}}_n$ 是参数列向量。$A_i,{\mathbf{b}}_i,i=1,\cdots ,n$ 的规模总是让上式是合理的。$\sigma$ 是一个函数，人们喜欢称之为激活函数，它作用于一个向量表示分别作用于向量的每个分量。$A_i,{\mathbf{b}}_i$ 中元素都是未知量，我们统称为参数。

举个简单的例子。令 $A=[w_1,w_2]$。取激活函数为 sigmoid 函数：
$$\sigma (z)=\frac{1}{1+e^{-z}}$$
那么，$F(\mathbf{x})=\sigma (A\mathbf{x}+b)$，这就是逻辑回归的输出形式。逻辑回归就是一种最简单的神经网络。

微积分视角看训练

由上可知，$F(\mathbf{x})$ 本质上就是一个含参的表达式，神经网络训练要做的事情就是调整参数，使得对于已知的 $\mathbf{x}$ 和 $\mathbf{y}$，$F(\mathbf{x})$ 和 $\mathbf{y}$ 尽可能地近。度量向量之间的远近有很多种度量，比如欧式距离：
$$\mathcal{L}(A_1,A_2,\cdots ,A_n,{\mathbf{b}}_1,\cdots ,{\mathbf{b}}_n):=||F(\mathbf{x})-\mathbf{y}||$$
$||\cdot ||$ 表示向量 2 范数。我们也称 $\mathcal{L} $ 为损失函数。显然，这里的 $\mathcal{L}$ 只是一个关于参数的函数，优化上称之为目标函数，我们想做的就是关于这个函数的参数极小化目标函数。

给定一个目标函数，我们要关于参数极小化它，这是一个无约束优化问题，在数值上有很多求解方法，神经网络采用梯度下降。梯度下降的步长，被人们称为“学习率”。

要用梯度下降，就要求损失函数的梯度，梯度是由目标函数对各个参数求导组成的一个向量，所以，$\mathcal{L}$ 需要对各个参数求导。$F(\mathbf{x})$ 的表达式可以看出，不同层的参数之间存在嵌套关系，微积分告诉我们，复合类型的函数求导，需要用到链式法则，链式法则在神经网络上的应用，人们喜欢称之为“反向传播”。

上面提到的仅仅是一组输入输出的情况，当有多组输入输出 { x i , y i , i = 1 , 2 , ⋯   , N } \{\mathbf x_i,\mathbf y_i, i = 1,2,\cdots,N\} {xi​,yi​,i=1,2,⋯,N} 的时候，我们如此定义损失函数：
$$\mathcal{L}(A_1,A_2,\cdots ,A_n,{\mathbf{b}}_1,\cdots ,{\mathbf{b}}_n):=\frac{1}{2}\sum _{i=1}^N||F({\mathbf{x}}_i)-{\mathbf{y}}_i|{|}^2$$
训练的优化过程和上述是一致的。