来源 | AI小白入门
作者 | 文杰
编辑 | yuquanle
原文链接
三层神经网络
1. 神经单元
深度学习的发展一般分为三个阶段,感知机–>三层神经网络–>深度学习(表示学习)。早先的感知机由于采用线性模型,无法解决异或问题,表示能力受到限制。为此三层神经网络放弃了感知机良好的解释性,而引入非线性激活函数来增加模型的表示能力。三层神经网络与感知机的两点不同
1)非线性激活函数的引入,使得模型能解决非线性问题;
2)引入激活函数之后,不再会有 0 0 0损失的情况,损失函数采用对数损失,这也使得三层神经网络更像是三层多元(神经单元)逻辑回归的复合;
神经网络中每一个神经元都可以看作是一个逻辑回归模型,三层神经网络就是三层逻辑回归模型的复合,只是不像逻辑回归中只有一个神经元,一般输入层和隐藏层都是具有多个神经元,而输出层对应一个logistic回归单元或者softmax单元,或者一个线性回归模型。
这里对一些常用的非线性激活函数做一些简单的介绍(图像,性质,导数)
s i g m o i d ( z ) = 1 1 + e − z , t a n h ( z ) = e z − e − z e z + e − z , r e l u ( z ) = m a x { 0 , z } , l e a k y r e l u ( z ) = { α z , z < 0 z , z ⩾ 0 sigmoid(z)=\frac{1}{1+e^{-z}},tanh(z)=\frac{e^{z}-e^{-z}}{e^{z}+e^{-z}},relu(z)=max \left\{0,z\right \},leaky relu(z)=\left\{\begin{matrix} \alpha z,z<0\\ z ,z\geqslant 0 \end{matrix}\right. sigmoid(z)=1+e−z1,tanh(z)=ez+e−zez−e−z,relu(z)=max{0,z},leakyrelu(z)={αz,z<0z,z⩾0
性质:对于以上几个非线性激活函数都可以看作是 { 0 , z < 0 1 , z ⩾ 0 \left\{\begin{matrix} 0,z<0\\ 1,z\geqslant 0\end{matrix}\right. {0,z<01,z⩾0 ,的一个近似。采用近似的一个重要原因是为了求导,早起常采用平滑的sigmoid和tanh函数,然而我们可以发现这两个函数在两端都存在导数极小的情况,这使得多层神经网络在训练时梯度消失,难以训练。而Relu函数则很好的解决两端导数极小的问题,也是解决神经网络梯度消失问题的一种方法。
导数:
s
i
g
(
z
)
=
1
1
+
e
−
z
,
d
(
z
)
=
−
−
e
−
z
(
1
+
e
−
z
)
2
=
e
−
z
+
1
(
1
+
e
−
z
)
2
−
1
(
1
+
e
−
z
)
2
=
1
(
1
+
e
−
z
)
−
(
1
1
+
e
−
z
)
2
=
z
(
1
−
z
)
sig(z)=\!\frac{1}{1+e^{-z}},d(z)=\!-\!\frac{-e^{-z}}{(1+e^{-z})^{2}} =\!\frac{e^{-z}+1}{(1+e^{-z})^{2}}\!-\!\frac{1}{(1+e^{-z})^{2}} =\!\frac{1}{(1+e^{-z})}\!-\!\left(\frac{1}{1+e^{-z}}\right)^{2} =\!z(1-z)
sig(z)=1+e−z1,d(z)=−(1+e−z)2−e−z=(1+e−z)2e−z+1−(1+e−z)21=(1+e−z)1−(1+e−z1)2=z(1−z)
t a n h ( z ) = e z − e − z e z + e − z d z = ( e z + e − z ) 2 − ( e z − e − z ) 2 ( e z + e − z ) 2 = ( e z + e − z ) − ( e z − e − z ) ( e z + e − z ) 2 = 1 − z 2 tanh(z)=\frac{e^{z}-e^{-z}}{e^{z}+e^{-z}} dz=\frac{\left(e^{z}+e^{-z}\right)^{2}-\left(e^{z}-e^{-z}\right)^{2}}{(e^{z}+e^{-z})^{2}} =\frac{\left(e^{z}+e^{-z}\right)-\left(e^{z}-e^{-z}\right)}{(e^{z}+e^{-z})^{2}} =1-z^{2} tanh(z)=ez+e−zez−e−zdz=(ez+e−z)2(ez+e−z)2−(ez−e−z)2=(ez+e−z)2(ez+e−z)−(ez−e−z)=1−z2
r e l u ( z ) = m a x { 0 , z } d z = { 0 , 1 } relu(z)=max \left\{0,z\right \} dz= \left\{0,1\right \} relu(z)=max{0,z}dz={0,1}
l e a k y r e l u ( z ) = m a x { 0 , z } d z = { α , 1 } leakyrelu(z)=max \left\{0,z\right \} dz= \left\{\alpha,1\right \} leakyrelu(z)=max{0,z}dz={α,1}
2. 前向传播
前向传播是一个复合函数的过程,每一个神经元都是一个线性函数加一个非线性函数的复合,整个网络的结构如下:其中上标表示网络层,所以 z [ 2 ] z^{[2]} z[2]表示输出层。
向量形式:
矩阵形式:
其中线性函数还是 z = w T x + b z=w^{T}x+b z=wTx+b,不过要注意的是这里由于每一层不仅一个神经元,所以逻辑回归中的向量 w w w则扩展为矩阵,表示有多个神经元(也正是因为多个神经元,导致神经网络具有提取特征的能力)。非线性函数则可以有以下选择,目前来看Relu函数具有一定的优势。
其中值得注意的是矩阵的行列,深度学习常采用一列表示一个样本,所以网络中数据矩阵的大小如下:
X
=
(
n
,
m
)
,
Y
=
(
1
,
m
)
,
W
=
(
n
(
l
)
,
n
(
l
−
1
)
)
,
b
=
(
n
(
l
)
,
1
)
,
Z
=
(
n
(
l
)
,
m
)
,
A
=
(
n
(
l
)
,
m
)
X=(n,m),Y=(1,m),W=(n^{(l)},n^{(l-1)}),b=(n^{(l)},1),Z=(n^{(l)},m),A=(n^{(l)},m)
X=(n,m),Y=(1,m),W=(n(l),n(l−1)),b=(n(l),1),Z=(n(l),m),A=(n(l),m)
损失函数同样采用对数损失(二分类):
J
(
θ
)
=
∑
i
=
1
m
−
(
y
(
i
)
l
o
g
(
h
θ
(
x
(
i
)
)
)
+
(
1
−
y
(
i
)
)
l
o
g
(
1
−
h
θ
(
x
(
i
)
)
)
)
min
J
(
θ
)
J(\theta)=\sum_{i=1}^{m}-\left ( y^{(i)}log(h_{\theta}(x^{(i)}))+(1-y^{(i)})log(1-h_{\theta}(x^{(i)}))\right) \\ \min J(\theta)
J(θ)=i=1∑m−(y(i)log(hθ(x(i)))+(1−y(i))log(1−hθ(x(i))))minJ(θ)
3. 反向传播
由于神经网络是一个多层的复合函数,前向传播就是在计算复合函数,所以反向传播就是一个链式求导过程,确定所有参数的负梯度方向,采用梯度下降的方法来更行每一层网络的参数。
1)损失函数:
∂
J
(
θ
)
∂
A
L
=
−
(
Y
1
A
L
−
(
1
−
Y
)
1
(
1
−
A
L
)
)
=
Y
−
A
L
A
L
(
1
−
A
L
)
\frac{\partial J(\theta)}{\partial AL}= -\left( Y \frac{1}{AL}-(1-Y) \frac{1}{(1-AL)}\right)=\frac{Y-AL}{AL(1-AL)}
∂AL∂J(θ)=−(YAL1−(1−Y)(1−AL)1)=AL(1−AL)Y−AL
2) 激活函数:
∂
A
L
∂
Z
=
A
L
(
1
−
A
L
)
,
∂
A
L
∂
Z
=
1
−
A
L
2
,
∂
A
L
∂
Z
=
{
1
,
Z
≥
0
0
,
Z
<
0
\frac{\partial AL}{\partial Z}= AL(1-AL) , \frac{\partial AL}{\partial Z}= 1-AL^{2} , \frac{\partial AL}{\partial Z}=\left\{\begin{matrix} 1,Z\geq 0\\ 0,Z<0 \end{matrix}\right.
∂Z∂AL=AL(1−AL),∂Z∂AL=1−AL2,∂Z∂AL={1,Z≥00,Z<0
3) 线性函数:
∂
Z
∂
W
=
1
m
A
(
l
−
1
)
,
∂
Z
∂
b
=
1
m
,
∂
Z
∂
A
(
l
−
1
)
=
1
m
W
(
l
)
\frac{\partial Z}{\partial W}= \frac{1}{m}A^{(l-1)},\frac{\partial Z}{\partial b}= \frac{1}{m},\frac{\partial Z}{\partial A^{(l-1)}}= \frac{1}{m}W^{(l)}
∂W∂Z=m1A(l−1),∂b∂Z=m1,∂A(l−1)∂Z=m1W(l)
对于损失函数直接对各个变量求导如下:
∂
J
(
θ
)
∂
A
L
=
Y
−
A
L
A
L
(
1
−
A
L
)
∂
J
(
θ
)
∂
Z
=
Y
−
A
L
A
L
(
1
−
A
L
)
∗
(
A
L
(
1
−
A
L
)
)
=
Y
−
A
L
,
(
s
i
g
m
o
i
d
)
∂
J
(
θ
)
∂
W
(
l
−
1
)
=
1
m
(
Y
−
A
L
)
A
(
l
−
1
)
T
∂
J
(
θ
)
∂
b
(
l
−
1
)
=
1
m
(
Y
−
A
L
)
∂
J
(
θ
)
∂
A
(
l
−
1
)
=
W
T
(
Y
−
A
L
)
\frac{\partial J(\theta)}{\partial AL}=\frac{Y-AL}{AL(1-AL)}\\ \frac{\partial J(\theta)}{\partial Z}= \frac{Y-AL}{AL(1-AL)}*(AL(1-AL))=Y-AL ,(sigmoid)\\ \frac{\partial J(\theta)}{\partial W^{(l-1)}}=\frac{1}{m}(Y-AL)A^{(l-1)^{T}}\\ \frac{\partial J(\theta)}{\partial b^{(l-1)}}=\frac{1}{m}(Y-AL)\\ \frac{\partial J(\theta)}{\partial A^{(l-1)}}=W^{T}(Y-AL)
∂AL∂J(θ)=AL(1−AL)Y−AL∂Z∂J(θ)=AL(1−AL)Y−AL∗(AL(1−AL))=Y−AL,(sigmoid)∂W(l−1)∂J(θ)=m1(Y−AL)A(l−1)T∂b(l−1)∂J(θ)=m1(Y−AL)∂A(l−1)∂J(θ)=WT(Y−AL)
值得注意的是激活函数是一个数值操作,不涉及矩阵求导,线性函数中
1
m
\frac{1}{m}
m1是因为
w
w
w是作用于
m
m
m个样本,所以在确定负梯度方向时需要
m
m
m个样本取均值,而对
A
A
A求导则不需要求均值。
欢迎关注【AI小白入门】,这里分享Python、机器学习、深度学习、自然语言处理、人工智能等技术,关注前沿技术,求职经验等,陪有梦想的你一起成长。