神经网络与深度学习课程总结四-CSDN博客

本文链接：https://blog.csdn.net/mrr_zhang/article/details/138254125

神经网络与深度学习课程总结四

深度学习课程总结四

前言

本系列文章为神经网络深度学习课程的课程总结。

7. 循环神经网络与NLP（1）

该部分包括以下内容：

序列模型
数据预处理
文本处理与词嵌入
RNN模型
RNN模型实现
RNN误差反传

序列模型

分类问题与预测问题
⚫ 图像分类：当前输入−>当前输出
⚫ 时间序列预测：当前+过去输入−>当前输出

自回归模型
假设一个交易员想在当日的股市中表现良好，于是通过以下途径预测𝑥𝑡 ：
𝑥𝑡 ∼ 𝑃(𝑥𝑡∣ 𝑥𝑡−1, … , 𝑥1)
随着观测，时间序列越来越长，过去太久的数据不必要，因此：
𝑥𝑡 ∼ 𝑃(𝑥𝑡∣ 𝑥𝑡−1, … , 𝑥𝑡−𝜏)
保留一些对过去观测的总结ℎ𝑡，并且同时更新预测𝑥𝑡和总结ℎ𝑡 。
这就产生了基于𝑥𝑡 = 𝑃(𝑥𝑡∣ ℎ𝑡)估计𝑥𝑡 ，以及
ℎ𝑡 = 𝑔(ℎ𝑡−1, 𝑥𝑡−1)更新的模型。

数据预处理

特征编码
数值特征与类别特征
“Age、Gender、Nationality”
第1个表示年龄，是一个数值特征；
第2个表示性别，是一个只有一位（0，1）的特征；0 -> Male, 1 -> Female
第3个表示国籍，目前有197个国家
1 -> US, 2 -> China,可以用一个整数来表示，或者用一个独热向量来表示。
⚫ 数值特征不适合表示类别，因此一般使用独热编码
⚫ 国家编码从1开始，1~197，因为实际国籍有可能不填(对应0)。
文本处理
按字母处理：给定文本片段，将文本切分为字母序列。

文本预处理与词嵌入

文本预处理
一篇文章可以被简单地看作一串单词序列，甚至是一串字符序列。我们将解析文本的常见预处理步骤。这些步骤通常包括：
1.将文本作为字符串加载到内存中。
2.将字符串切分为词元（如单词和字符）。
3.建立一个字典，将拆分的词元映射到数字索引。
4.将文本转换为数字索引序列，方便模型操作。
第一步：读取数据集
第二步：词汇切分
第三步：构建词索引表
文本嵌入
如何将词映射成向量？
直接想法：使用之前所述的独热向量
问题：维数过高
词嵌入：将独热向量映射为低维向量

RNN模型

RNN概要
如何建模序列数据？
文本处理中：
输入维度不定（可能一直有单词输入）；
输出维度不定或者是1（直接最终理解结果）
使用RNN进行IMDB评论
随着输入的增加，会产生“遗忘”问题

RNN误差反传

每个时间步的隐状态和输出可以写为：
ℎ𝑡 = 𝑓(𝑥𝑡, ℎ𝑡−1, 𝑤ℎ)
𝑜𝑡 = 𝑔(ℎ𝑡, 𝑤𝑜)
通过一个目标函数在所有𝑇个时间步内评估输出𝑜𝑡和对应的标签𝑦𝑡之间的差异：在这里插入图片描述
按照链式法则：

ℎ𝑡既依赖于ℎ𝑡−1,又依赖于𝑤ℎ ，其中ℎ𝑡−1的计算也依赖于𝑤ℎ 。因此，用链式法则产生：
使用下面的公式移除上页中的循环计算：
截断时间步：我们可以在𝜏步后截断上页式中的求和计算。

7. 循环神经网络与NLP（2）

该部分包含以下内容：

门控循环单元(GRU)
长短期记忆网络(LSTM)
深度循环神经网络

门控循环单元(GRU)

基本思想：不是每个观察都同等重要。
一个良好的记忆产生一个良好的预测。良好的记忆要素：
➢ 关注机制（更新门）
➢ 遗忘机制（重置门）
GRU基本结构：
在这里插入图片描述

长短期记忆网络(LSTM)

LSTM网络模型
在这里插入图片描述

深度循环神经网络

具有𝑳个隐含层的深度循环神经网络
在这里插入图片描述

8. 深度学习展望

该部分包括以下内容：

生成对抗网络
神经辐射场(NeRF)
注意力机制
大模型
语言-图像模型
视觉应用展望

生成对抗网络(GAN)

生成对抗网络
生成对抗网络（GANs, generative adversarial networks）是由Ian Goodfellow等人在2014年的Generative Adversarial Networks一文中提出。
模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。
原始 GAN 理论中，并不要求 G 和 D 都是神经网络，只需要是能拟合相应生成和判别的函数即可。但实用中一般均使用深度神经网络作为 G 和 D 。
一个优秀的GAN应用需要有良好的训练方法，否则可能由于神经网络模型的自由性而导致输出不理想。
生成对抗网络(GAN)的初始原理十分容易理解，即构造两个神经网络，一个生成器，一个鉴别器，二者互相竞争训练，最后达到一种平衡(纳什平衡)。
GAN 启发自博弈论中的二人零和博弈（two-player game），GAN 模型中的两位博弈方分别由生成式模型（generativemodel，G）和判别式模型（discriminative model，D）充当。
⚫ 生成模型 G 捕捉样本数据的分布，用服从某一分布（均匀分布，高斯分布等）的噪声 z 生成一个类似真实训练数据的样本，追求效果是越像真实样本越好。
⚫ 判别模型 D 是一个二分类器，估计一个样本来自于训练数据（而非生成数据）的概率，如果样本来自于真实的训练数据，D 输出大概率，否则，D 输出小概率。

神经辐射场(NeRF)

NeRF
NeRF（Neural Radiance Fields）最早在2020年ECCV会议上发表，作为Best Paper，其将隐式表达推上了一个新的高度，仅用 2D 的 posed images 作为监督，即可表示复杂的三维场景。NeRF迅速发展起来，被应用到多个技术方向上，例如新视点合成、三维重建等等，并取得非常好的效果。
NeRF其输入稀疏的多角度带pose的图像训练得到一个神经辐射场模型，根据这个模型可以渲染出任意视角下的清晰的照片，也可以简要概括为用一个MLP神经网络去隐式地学习一个三维场景。