RNN&LSTM 简介

一、前馈神经网络的缺点

• 每次网络的输出只依赖当前的输入，没有考虑不同时刻输入的相互影响
• 输入和输出的维度都是固定的，没有考虑到序列结构数据长度的不固定性

---

二、循环神经网络（RNN）

1、RNN 介绍

• 循环神经网络（Recurrent Neural Network，RNN）是一类专门用于处理时序数据样本的神经网络，它的每一层不仅输出给下一层，同时还输出一个隐状态，给当前层在处理下一个样本时使用。就像卷积神经网络可以很容易地扩展到具有很大宽度和高度的图像，而且一些卷积神经网络还可以处理不同尺寸的图像，循环神经网络可以扩展到更长的序列数据，而且大多数的循环神经网络可以处理序列长度不同的数据（for 循环，变量长度可变）。它可以看作是带自循环反馈的全连接神经网络。其网络结构如下图所示。
  

• 其中 $x$ 是输入序列（长度为 $T$），$h$ 是隐藏层序列，$o$ 是输出序列，$L$ 是总体损失，$y$ 是目标标签序列，$U$ 是输入层到隐藏层的参数矩阵，$W$ 是隐藏层到隐藏层的自循环参数矩阵，$V$ 是隐藏层到输出层的参数矩阵。值得注意的是：图中输入节点数（不止一个）、隐藏节点数、输出节点数都是用一个小圆圈表示的，它们之前是全连接的，且在隐藏层之间加了一个自循环反馈(通过权重共享)，这也是它能够处理不同序列长度数据的原因。其具体计算流程如下：

  • 前向传播：公式如下所示，其中，输入层到隐藏层使用双曲正切激活函数(tanh)，隐藏层到输出层使用 softmax 将输出映射为 (0, 1) 的概率分布。按时间序列递减的方式反复把第一个公式带入到它本身中，我们将会看到当前时刻隐藏层的输出值不仅受当前时刻输入 $x^{(t)}$ 的影响，还受到过去所有时刻输入 $(x^{(t-1)},x^{(t-2)}, \cdots, x^{(2)},x^{(1)})$ 的影响，如此一来，隐藏层的输出值（h）就可以看作是网络的记忆，这使得它非常适合处理前后有依赖关系数据样本。
    
    $$h^{(t)} = tanh(Wh^{(t-1)} + Ux^{(t)} + b_h)$$
  $$o^{(t)} = softmax(Vh^{(t)} + b_o)$$
  • 损失函数：公式如下所示，一般可使用交叉熵来计算某个时刻 $t$ 在所有 $m$ 个样本上的损失，整体的损失值则为所有时刻损失之和
    $$L^{(t)} = -\frac{1}{m}{}\sum_{i=1}^{m}y_{i}^{(t)}log(o_{i}^{(t)})$$
  $$L = \sum_{t=1}^{T}L^{(t)}$$

  • 循环神经网络的一个重要特性是：在不同时刻，模型的参数是共享的，这使得我们可以在时间上共享不同位置的统计强度。当序列数据中的某些部分会在多个位置出现时，这种参数共享机制就显得尤为重要了。例如，在两个车牌“皖F.WY656” 和 “沪A.F6661” 中 “F”分别出现在第 $2$ 位和第 $3$ 位，我们希望模型通过参数共享机制可以学习到字母 “F” 的抽象特征，从而无论这个字母出现在什么位置，模型都能够识别它。其参数可以通过时序反向传播算法（Back-Propagation Through Time，BPTT）来学习，每一次参数更新用到的梯度都是所有时刻梯度之和。

  • ---

    2、RNN 的结构类型

    • 序列分类（N VS 1）
      
      • 输入是一个序列，输出是一个单独的值而不是序列，这种结构通常用来处理序列分类问题。如输入一段文字判别它所属的类别，输入一个句子判断其情感倾向，输入一段视频并判断它的类别等等。
      • 可以对最后一个 h 进行输出变换，或对所有的 h 进行平均后再进行输出变换
      • 注意：初始状态神经元的数量必定和隐层神经元的数量一致
        

    • RNN (1 VS N)

      • 这种1 VS N 的结构可以处理的问题有：
        
        • 从图像生成文字（image caption），此时输入的X就是图像的特征，而输出的y序列就是一段句子
        • 从类别生成语音或音乐等

      • 只在序列开始进行输入计算，其它 time step 输入为 0
        

      • 把输入信息X作为每个阶段的输入
        

    • 同步的序列到序列的模式（N VS N）

      • 最经典RNN结构要求输入和输出序列必须要是等长的。
      • 由于这个限制的存在，经典RNN的适用范围比较小，但也有一些问题适合用经典的RNN结构建模，如：计算视频中每一帧的分类标签。因为要对每一帧进行计算，因此输入和输出序列等长。
        

    • 异步的序列到序列的模式（N VS M）

      • 这种 N vs M 的结构又叫 Encoder-Decoder 模型，也可称之为 Seq2Seq 模型。原始的 N vs N RNN 要求序列等长，然而我们遇到的大部分问题序列都是不等长的，如机器翻译中，源语言和目标语言的句子往往并没有相同的长度。Encoder-Decoder 模型可以有效的建模输入序列和输出序列不等长的问题，具体步骤如下：
        
        • 首先，用一个 Encoder（RNN） 将输入的序列编码为一个上下文向量 c。得到 c 有多种方式，最简单的方法就是把 Encoder 的最后一个隐状态赋值给 c，还可以对最后的隐状态做一个变换得到 c，也可以对所有的隐状态做变换 得到 c。
          
        • 然后，用一个 Decoder（另一个RNN） 对 c 进行解码，将其变成输出序列。可以将 c 当做之前的初始状态 h0 输入到Decoder，也可以将 c 当做每一步的输入
          
          
      • 由于这种 Encoder-Decoder 结构不限制输入和输出的序列长度，因此应用的范围非常广泛，比如：
        
        • 机器翻译：Encoder-Decoder的最经典应用，事实上这一结构就是在机器翻译领域最先提出的
        • 文本摘要：输入是一段文本序列，输出是这段文本序列的摘要序列。
        • 阅读理解：将输入的文章和问题分别编码，再对其进行解码得到问题的答案。
        • 语音识别：输入是语音信号序列，输出是文字序列。

    ---

    3、RNN 分类

    • 单隐层 RNN
      
      • 输入、隐藏层以及输出层的神经元数量均为 2
      • 储存的隐状态：代表了当前及历史的信息
        
    • 多隐层 RNN
      
      • 单隐层 RNN 可以看作是既“深”又“浅”的网络。一方面来说，如果我们把循环网络按时间展开，长时间间隔的状态之间的路径很长，循环网络可以看作是一个非常深的网络了。从另一方面来说，如果只看同一时刻网络输入到输出（只包含一个隐层），那么，这个网络是非常浅的。
      • 增加循环神经网络的深度：主要是增加隐藏状态到输出 以及输入到隐藏状态 之 间的路径的深度。
      • 我们可以在隐藏层堆叠多个RNN，加上输入层和输出层就构成了一个完整的 model， 只不过隐藏层的 RNN 均可以在 Time 维度(单个序列的长度)上传递，输入层中单个序列中的每一个按照时间的顺序输入，输出层预测按照时间的顺序依次输出。
        
    • 双向 RNN
      
      • 在有些任务中，一个时刻的输出不但和序列前面的信息有关，也和序列后面的信息有关。比如给定一个句子，其中一个词的词性由它的上下文决定，即：包含左右两边的信息。因此，在这些任务中，我们可以增加一个按照时间的逆序来传递信息的网络层，来增强网络的能力。
      • 双向循环神经网络（bidirectional recurrent neural network，Bi-RNN）由两层循环神经网络组成，它们的输入相同，只是信息传递的方向不同。
        

    ---

    三、长短时记忆网络（LSTM）

    1、LSTM 简介及主要思想

    • 简介
      
      • 时序反向传播算法按照时间的逆序将错误信息一步步地往前传递。当每个时序训练数据的长度 $T$ 较大或者时刻 $t$ 较小时，损失函数关于 $t$ 时刻隐藏层变量的梯度比较容易出现消失或爆炸的问题（也称长期依赖问题）。具体原理如下：可参考复旦大学邱锡鹏的讲义
        
    • 主要思想
      
      • 梯度爆炸的问题一般可以通过梯度裁剪来解决，而梯度消失问题则要复杂的多，人们进行了很多尝试，其中一个比较有效的版本是长短期记忆神经网络（Long Short-Term Memory，LSTM）。LSTM 的主要思想是：门控单元以及线性连接的引入
        
        • 门控单元：有选择性的保存和输出历史信息
        • 线性连接：如下图中的水平线可以看作是 LSTM 的“主干道”，通过加法，$C_{t-1}$ 可以无障碍的在这条主干道上传递，因此 LSTM 可以更好地捕捉时序数据中间隔较大的依赖关系。
          

      2、LSTM 的工作原理

      • LSTM 时刻 $t$ 的网络结构如下图所示。其中 $x_t$ 是 $t$ 时刻的输入，$h_{t-1}$ 是 $t-1$ 时刻隐藏层的输出，$c_{t-1}$ 是 $t-1$ 时刻历史信息的输出；$f_{t}$、$i_{t}$ 和 $o_{t}$ 分别为 $t$ 时刻的遗忘门、输入门和输出门；$\tilde{c_{t}}$ 是 $t$ 时刻通过变换后的新信息，${c_{t}}$ 是在 $t$ 时刻更新过后的历史信息，$h_{t}$ 是 $t$ 时刻隐藏层的输出。其具体计算流程如下：
        

      • 首先，我们将 $t$ 时刻的输入 $x_t$ 和 隐藏层的输出 $h_{t-1}$ 复制四份，并为它们随机初始化不同的权重，计算出遗忘门、输入门和输出门以及通过变换后的新信息。它们的计算公式如下所示，其中 $W$ 是输入层到隐藏层的参数矩阵，$U$ 是隐藏层到隐藏层的自循环参数矩阵，$b$ 为偏置参数矩阵，$\sigma$ 为 sigmoid 函数，使得三个门的输出保持 $0 \sim 1$ 之间。

      $$f_{t} = \sigma(W_{f}x_{t} + U_{f}h_{t-1} + b_{f})$$
      $$i_{t} = \sigma(W_{i}x_{t} + U_{i}h_{t-1} + b_{i})$$
      $$o_{t} = \sigma(W_{o}x_{t} + U_{o}h_{t-1} + b_{o})$$
      $$\tilde{c_{t}} = tanh(W_{c}x_{t} + U_{c}h_{t-1} + b_{c})$$

      • 其次，我们使用遗忘门 $f_{t}$ 和输入门 $i_{t}$ 来控制忘记多少历史信息 $c_{t-1}$ 和保存多少新信息 $\tilde{c_{t}}$，从而更新内部记忆细胞状态 $c_{t}$，其计算公式如下所示。
        

        $$c_{t} = f_{t}\odot c_{t-1} + i_{t} \odot \tilde{c_{t}}$$

      • 最后，我们使用输出门 $o_{t}$ 来控制输出多少内部记忆单元 $c_{t}$ 的信息到隐状态 $h_{t}$，其计算公式如下所示。
        

        $$h_{t} = o_{t} \odot tanh(c_{t})$$

      3、LSTM 的变体

      • peephole 连接：三个门不但依赖于输入$x_t$ 和上一时刻的隐状态 $h_{t−1}$，也依赖于上一个时刻的内部记忆细胞状态 $c_{t−1}$。
        
      • 耦合输入门和遗忘门：
        
        • LSTM网络中的输入门和遗忘门有些互补关系，因此同时用两个门比较冗余
        • We only forget when we’re going to input something in its place. We only input new values to the state when we forget something older.
          
      • GRU（Gated Recurrent Unit）:
        
        • 输入 门与和遗忘门合并成一个门：更新门 $z_t$
        • 引入重置门 $r_t$（不能算更改，只能说重新定义其使用的地方），用来控制输入候选状态 $\widetilde h_t$ 的计算是否依赖上一时刻的状态 $h_{t−1}$
        • 去除 LSTM 中的内部细胞记忆单元 $c_t$， 直接在当前状态 $h_t$ 和历史状态 $h_{t−1}$之间引入线性依赖关系
          

      ---

      四、参考资料

      1、完全图解RNN、RNN变体、Seq2Seq、Attention机制
      2、Understanding LSTM Networks
      3、Hongyi Li：Courses/ML_2016/Lecture/RNN
      4、复旦大学邱锡鹏的 RNN 讲义
      5、零基础入门深度学习(5) - 循环神经网络
      6、零基础入门深度学习(6) - 长短时记忆网络(LSTM)