深度神经网络(Deep Neural Networks,以下简称DNN)是深度学习的基础,而要理解DNN,首先我们要理解DNN模型,下面我们就对DNN模型与前向传播算法做一个总结。
1.从感知机到神经网络
在感知机原理小结中,我们介绍过感知机的模型,它是一个有若干输入和输出的模型,如下图:
输入和输出之间学习到了一个线性关系,得到中间输出结果:
z
=
∑
i
=
1
m
w
i
x
i
+
b
z = \sum_{i=1}^{m} w_ix_i + b
z=i=1∑mwixi+b
接着是一个神经元激活函数:
s
i
g
n
(
z
)
=
{
−
1
,
z
<
0
1
,
z
≥
0
sign(z) = \begin{cases} -1, \quad z< 0 \\ 1, \quad z\geq0 \end{cases}
sign(z)={−1,z<01,z≥0
从而得到我们想要的输出结果1或者-1。
这个模型只能用于二元分类,且无法学习比较复杂的非线性模型,因此在工业界无法使用。
而神经网络则在感知机的模型做了扩展,总结下主要有三点:
1)加入了隐藏层,隐藏层可以有多层,增强模型的表达能力,如下图示例,当然增加了这么多隐藏层的复杂度也增加了好多。
2)输出层的神经元也可以不止一个输出,可以有多个输出,这样模型可以灵活地应用于分类回归,以及其他的机器学习领域比如降维和聚类等。多个神经元输出的输出层对应的一个实例如下图,输出层现在有4个神经元了。
3)对激活函数的扩展,感知机的激活函数是
s
i
g
n
(
z
)
sign(z)
sign(z) ,虽然简单但是处理能力有限,因此神经网络中一般使用的是其他激活函数,比如我们在逻辑回归里使用过得Sigmoid函数,即:
f
(
z
)
=
1
e
−
z
+
1
f(z) = \frac{1}{e^{-z} + 1}
f(z)=e−z+11
还有后来出现的tanx,softmax,和ReLU等。通过使用不同的激活函数,神经网络的表达能力进一步增强。对于各种常用的激活函数,我们在后面再专门讲。
2.DNN的基本结构
上一节我们了解了神经网络基于感知机的扩展,而DNN可以理解为有很多隐藏层的神经网络。这个很多其实也没有什么度量标准,多层神经网络和深度神经网络DNN其实也是指的一个东西,当然,DNN有时也叫做多层感知机(Multi-Layer perception, MLP),名字实在是多。后面我们讲到的神经网络都默认为DNN。
从DNN按不同层的位置划分,DNN内部的神经网络可以分为三类,输入层,隐藏层和输出层,如下图所示,一般来说第一层是输入层,最后一层是输出层,中间的层数都是隐藏层。
层与层之间是全连接的,也就是说,第i层的任意一个神经元一定与第i+1层的任意一个神经元相连。虽然DNN看起来很复杂,但从小的局部模型来说,还是和感知机一样,即一个线性关系
z
=
∑
w
i
x
i
+
b
z = \sum w_ix_i + b
z=∑wixi+b 加上一个激活函数
σ
(
z
)
\sigma(z)
σ(z)。
由于DNN层数多,我们的线性关系系数
w
w
w和偏移
b
b
b的数量也就是很多了。具体的参数在DNN是如何定义的呢?
首先我们来看看线性关系系数
w
w
w的定义。以下图的一个三层的DNN为例,第二层的第4个神经元到第三层的第2个神经元的线性系数定义为
w
24
3
w^3_{24}
w243。上标3代表线性系数
w
w
w所在的层数,而下标对应的是输出的第三层索引2和输入的第二层索引4.也许你会问,为什么不是
w
42
3
w^3_{42}
w423而是
w
24
3
w^3_{24}
w243?这主要是为了便于模型用于矩阵运算,如果是
w
42
3
w^3_{42}
w423而每次进行矩阵运算是
w
T
x
+
b
w^Tx + b
wTx+b,需要进行转置。将输出的索引放在前面的话,则线性运算不用转置,即直接为
w
x
+
b
wx + b
wx+b。总结下,第
l
−
1
l - 1
l−1层的第
k
k
k个神经元到第
l
l
l层的第
j
j
j个神经元的线性系数定义为
w
j
k
l
w^l_{jk}
wjkl。注意,输入层是没有
w
w
w参数的。
再来看看偏倚
b
b
b的定义。还是以这个三层的DNN为例,第二层的第三个神经元对应的偏倚量定义为
b
3
2
b^2_3
b32。其中,上标2代表所在层数,下标3代表偏倚所在的神经元的索引。同样的道理,第三层的第一个神经元的偏倚应该表示为
b
1
3
b^3_1
b13。同样的,输入层是没有偏倚参数
b
b
b的。
3.DNN前向传播算法数学原理
在上一节,我们已经介绍了DNN各层线性关系系数
w
w
w,偏倚
b
b
b的定义。假设我们选择的激活函数是
σ
(
z
)
\sigma(z)
σ(z) ,隐藏层和输出层的输出值为
a
a
a,则对于下图的三层DNN,利用和感知机一样的思路,我们可以利用上一层的输出计算下一层的输出,也就是所谓的DNN前向传播算法。
对于第二层的输出
a
1
2
a^2_1
a12,
a
2
2
a^2_2
a22,
a
3
2
a^2_3
a32,我们有:
a
1
2
=
σ
(
z
1
2
)
=
σ
(
w
11
2
x
1
+
w
12
2
x
2
+
w
13
2
x
3
+
b
1
2
)
a
2
2
=
σ
(
z
2
2
)
=
σ
(
w
21
2
x
1
+
w
22
2
x
2
+
w
23
2
x
3
+
b
2
2
)
a
3
2
=
σ
(
z
3
2
)
=
σ
(
w
31
2
x
1
+
w
32
2
x
2
+
w
33
2
x
3
+
b
3
2
)
a^2_1 = \sigma(z^2_1) = \sigma(w^2_{11}x_1 + w^2_{12}x_2 + w^2_{13}x_3 + b^2_1) \\ a^2_2 = \sigma(z^2_2) = \sigma(w^2_{21}x_1 + w^2_{22}x_2 + w^2_{23}x_3 + b^2_2) \\ a^2_3 = \sigma(z^2_3) = \sigma(w^2_{31}x_1 + w^2_{32}x_2 + w^2_{33}x_3 + b^2_3)
a12=σ(z12)=σ(w112x1+w122x2+w132x3+b12)a22=σ(z22)=σ(w212x1+w222x2+w232x3+b22)a32=σ(z32)=σ(w312x1+w322x2+w332x3+b32)
对于第三层的输出
a
1
3
a^3_1
a13,我们有
a
1
3
=
σ
(
z
1
3
)
=
σ
(
w
11
3
a
1
2
+
w
12
3
a
2
2
+
w
13
3
a
3
2
+
b
1
3
)
a^3_1 = \sigma(z^3_1) = \sigma(w^3_{11}a^2_1 + w^3_{12}a^2_2 + w^3_{13}a^2_3 + b^3_1)
a13=σ(z13)=σ(w113a12+w123a22+w133a32+b13)
将上面的例子一般化,假设第
l
−
1
l-1
l−1层共有m个神经元,则对于第
l
l
l层的第j个神经元的输出
a
j
l
a^l_j
ajl,我们有:
a
j
l
=
σ
(
z
j
l
)
=
σ
(
∑
k
=
1
m
w
j
k
l
a
k
l
−
1
+
b
j
l
)
a^l_j = \sigma(z^l_j) = \sigma(\sum_{k=1}^mw^l_{jk}a^{l-1}_k + b^l_j)
ajl=σ(zjl)=σ(k=1∑mwjklakl−1+bjl)
其中,如果
l
=
2
l=2
l=2,则对于的
a
k
1
a^1_k
ak1即为输入层的
x
k
x_k
xk。
从上面可以看出,使用代数法一个个的表示输出比较复杂,而如果使用矩阵法则比较简洁。假设第
l
−
1
l-1
l−1层共有m个神经元,而第
l
l
l层共有n个神经元,则第
l
l
l层的线性系数
w
w
w组成了一个
n
n
n x
m
m
m的矩阵
W
l
W^l
Wl,第
l
l
l层的偏移量
b
b
b组成了一个
n
n
n x 1的向量
b
l
b^l
bl,第
l
−
1
l-1
l−1层的输出
a
a
a组成了一个
m
m
m x 1的向量
a
l
−
1
a^{l-1}
al−1,第
l
l
l层的未激活前线性输出
z
z
z组成了一个
n
n
n x 1的向量
z
l
z^l
zl,第
l
l
l层的输出
a
a
a组成了一个
n
n
n x 1的向量
a
l
a^l
al。则用矩阵法表示,第
l
l
l层的输出为:
a
l
=
σ
(
z
l
)
=
σ
(
W
l
a
l
−
1
+
b
l
)
a^l = \sigma(z^l) = \sigma(W^la^{l-1} + b^l)
al=σ(zl)=σ(Wlal−1+bl)
这个表示方法简介漂亮,后面我们的讨论都会基于上面的这个矩阵法来表示。
4.DNN前向传播算法
有了上一节的数学推导,DNN的前向传播算法也就不难了。所谓的DNN的前向传播算法也就是利用我们的若干个权重系数矩阵
W
W
W,偏倚向量
b
b
b和输入值向量
x
x
x进行一系列线性运算和激活运算,从输入层开始,一层层地向后运算,一直运算到输出层,得到输出结果为止。
输入:总层数L,所有隐藏层和输出层对应的矩阵
W
W
W,偏倚向量
b
b
b,输入值向量
x
x
x
输出:输出层的输出
a
L
a^L
aL
1)初始化
a
1
=
x
a^1 = x
a1=x
2)for
l
=
2
l = 2
l=2 to
L
L
L,计算:
a
l
=
σ
(
z
l
)
=
σ
(
W
l
a
l
−
1
+
b
l
)
a^l = \sigma(z^l) = \sigma(W^la^{l-1} + b^l)
al=σ(zl)=σ(Wlal−1+bl)
最后的结果即为输出
a
L
a^L
aL。
5.DNN前向传播算法小结
单独看DNN前向传播算法,似乎没有什么大用处,而且这一大堆的矩阵 W W W,偏倚向量 b b b对应的参数怎么获得呢?怎么得到最优的矩阵 W W W,偏倚向量 b b b呢?这个我们在讲DNN的反向传播算法时再讲。而理解反向传播算法的前提就是理解DNN的模型和前向传播算法。这也就是我们这一篇先讲的原因。
参考资料:
1)Neural Networks and Deep Learning by Michael Nielsen
2)Deep Learning book by Ian Goodfellow, Yoshua Bengio, and Aaron Courville
3)UFLDL Tutorial