CSDN数学公式显示真烦人，已排好版见我的网站 —> 循环神经网络
RNN
1. 基本结构
$NLP$ 问题中，通常句子都是由 $n$ 个词组成，可看做一串序列，$RNN$ 正是可以处理序列类型数据的深度学习模型。如下图所示，$RNN$ 由多个相同的神经网络单元，即图中的方块，连接而成，输入可看做一句话的每个单词，上一个单元的计算结果传递给下一个单元。经过串行计算后，每一个单元总是包含有之前所有单元的一些信息。
[latex]t[/latex] 时刻网络单元的计算包括两个元素，[latex]t-1[/latex] 时刻的输出 [latex]h_{t-1}[/latex] 和 [latex]t[/latex] 时刻的输入 [latex]x_{t}[/latex] 。计算后的结果 [latex] h_{t} [/latex] 则传递给下一个单元，作为 [latex]t+1[/latex] 时刻的一个输入。假设输入序列为 [latex]x_{1}，x_{2}，x_{3}，…，x_{n}[/latex] ，对应的中间状态为 [latex] h_{1}，h_{2}，h_{3}，…，h_{n} [/latex] ，输出为 [latex] y_{1}，y_{2}，y_{3}，…，y_{n} [/latex] 。
计算过程为：
h t = f ( U x t + W h t − 1 + b ) y t = S o f t m a x ( V h t + c ) \begin{aligned} h_{t} = f(Ux_{t} + Wh_{t-1} + b) \\ y_{t} = Softmax(Vh_{t} + c) \end{aligned} ht=f(Uxt+Wht−1+b)yt=Softmax(Vht+c)
其中，(Ｕ，Ｗ，Ｖ，ｂ，ｃ) 为需要更新的参数，激活函数 ( f ) 一般为 (tanh) 函数。
2. 其他结构
Many to One
当处理文本分类时，输入是一个文本序列，而输出可能只是一个类别，那么只需要对最后一个中间状态做计算并输出结果就可以了。如下图所示：
计算过程：
h t = f ( U x t + W h t − 1 + b ) y = S o f t m a x ( V h 4 + c ) \begin{aligned} h_{t} = f(Ux_{t} + Wh_{t-1} + b) \\ y = Softmax(Vh_{4} + c) \end{aligned} ht=f(Uxt+Wht−1+b)y=Softmax(Vh4+c)
One to Many
当处理 Image Caption 任务时，输入可能是一个向量，输出则是一个文本序列，如下图所示：
|
|
Many to Many
当处理机器翻译时，输入一串文本序列，输出一串文本序列。如下图所示：
该模型称为 Sequence to Sequence 模型，又称为 Encoder-Decoder 模型。
3. 梯度消失（爆炸）
假设有三个时间段的 \(RNN\) 模型，如下图所示：
前向传播：
h 1 = f ( W h 0 + U x 1 ) a m p ; y 1 = g ( V h 1 ) h 2 = f ( W h 1 + U x 2 ) a m p ; y 2 = g ( V h 2 ) h 3 = f ( W h 2 + U x 3 ) a m p ; y 3 = g ( V h 3 ) \begin{array}{ll} {h_{1}=f\left(W h_{0}+U x_{1}\right)} & {y_{1}=g\left(V h_{1}\right)} \\ {h_{2}=f\left(W h_{1}+U x_{2}\right)} & {y_{2}=g\left(V h_{2}\right)} \\ {h_{3}=f\left(W h_{2}+U x_{3}\right)} & {y_{3}=g\left(V h_{3}\right)} \end{array} h1=f(Wh0+Ux1)h2=f(Wh1+Ux2)h3=f(Wh2+Ux3)amp;y1=g(Vh1)amp;y2=g(Vh2)amp;y3=g(Vh3)
(t_3) 时刻的损失函数为 (L_3)，对共享参数 (W、U、V) 求导：
∂ L 3 ∂ V = ∂ L 3 ∂ y 3 ∂ L 3 ∂ V ∂ L 3 ∂ U = ∂ L 3 ∂ y 3 ∂ L 3 ∂ h 3 ∂ h 3 ∂ U + ∂ L 3 ∂ y 3 ∂ L 3 ∂ h 3 ∂ h 2 ∂ U + ∂ L 3 ∂ y 3 ∂ L 3 ∂ h 3 ∂ h 3 ∂ h 1 ∂ h 1 ∂ U = ∑ i = 1 t ∂ L t ∂ y t ∂ L t ∂ h t ( ∏ j = i + 1 t ∂ h j ∂ h j − 1 ) ∂ h j ∂ U ∂ L 3 ∂ W = ∂ L 3 ∂ y 3 ∂ L 3 ∂ h 3 ∂ h 3 ∂ W + ∂ L 3 ∂ y 3 ∂ L 3 ∂ h 3 ∂ h 3 ∂ h 3 ∂ L 3 ∂ h 3 ∂ h 3 ∂ h 1 ∂ h 1 ∂ W = ∑ i = 1 t ∂ L t ∂ y t ∂ L t ∂ h t ( ∏ j = i + 1 t ∂ h j ∂ h j − 1 ) ∂ h j ∂ W \begin{array}{c} {\frac{\partial L_{3}}{\partial V}=\frac{\partial L_{3}}{\partial y_{3}} \frac{\partial L_{3}}{\partial V}} \\ {\frac{\partial L_{3}}{\partial U}=\frac{\partial L_{3}}{\partial y_{3}} \frac{\partial L_{3}}{\partial h_{3}} \frac{\partial h_{3}}{\partial U}+\frac{\partial L_{3}}{\partial y_{3}} \frac{\partial L_{3}}{\partial h_{3}} \frac{\partial h_{2}}{\partial U}+\frac{\partial L_{3}}{\partial y_{3}} \frac{\partial L_{3}}{\partial h_{3}} \frac{\partial h_{3}}{\partial h_{1}} \frac{\partial h_{1}}{\partial U}=\sum_{i=1}^{t} \frac{\partial L_{t}}{\partial y_{t}} \frac{\partial L_{t}}{\partial h_{t}}\left(\prod_{j=i+1}^{t} \frac{\partial h_{j}}{\partial h_{j-1}}\right) \frac{\partial h_{j}}{\partial U}} \\ {\frac{\partial L_{3}}{\partial W}=\frac{\partial L_{3}}{\partial y_{3}} \frac{\partial L_{3}}{\partial h_{3}} \frac{\partial h_{3}}{\partial W}+\frac{\partial L_{3}}{\partial y_{3}} \frac{\partial L_{3}}{\partial h_{3}} \frac{\partial h_{3}}{\partial h_{3}} \frac{\partial L_{3}}{\partial h_{3}} \frac{\partial h_{3}}{\partial h_{1}} \frac{\partial h_{1}}{\partial W}=\sum_{i=1}^{t} \frac{\partial L_{t}}{\partial y_{t}} \frac{\partial L_{t}}{\partial h_{t}}\left(\prod_{j=i+1}^{t} \frac{\partial h_{j}}{\partial h_{j-1}}\right) \frac{\partial h_{j}}{\partial W}} \end{array} ∂V∂L3=∂y3∂L3∂V∂L3∂U∂L3=∂y3∂L3∂h3∂L3∂U∂h3+∂y3∂L3∂h3∂L3∂U∂h2+∂y3∂L3∂h3∂L3∂h1∂h3∂U∂h1=∑i=1t∂yt∂Lt∂ht∂Lt(∏j=i+1t∂hj−1∂hj)∂U∂hj∂W∂L3=∂y3∂L3∂h3∂L3∂W∂h3+∂y3∂L3∂h3∂L3∂h3∂h3∂h3∂L3∂h1∂h3∂W∂h1=∑i=1t∂yt∂Lt∂ht∂Lt(∏j=i+1t∂hj−1∂hj)∂W∂hj
可见，共享参数 (W、U) 的每次求导计算会涉及到整个序列。而 RNN 的神经单元只有一个 (tanh) 激活函数，如下图所示：
即：
a
m
p
;
h
j
=
tanh
(
W
h
j
−
1
+
U
x
x
)
a
m
p
;
∑
j
=
i
+
1
t
∂
h
j
∂
h
j
−
1
=
∑
j
=
i
+
1
t
W
tanh
′
\begin{aligned}& h_{j}=\tanh \left(W h_{j-1}+U x_{x}\right)\\ &\sum_{j=i+1}^{t} \frac{\partial h_{j}}{\partial h_{j-1}}=\sum_{j=i+1}^{t} W \tanh ^{\prime} \end{aligned}
amp;hj=tanh(Whj−1+Uxx)amp;j=i+1∑t∂hj−1∂hj=j=i+1∑tWtanh′
反向传播求导过程会包含每一步求导的连乘，假如参数 (W) 也是一个比较小的数 (0.02) ，当 (t) 很大时，上式就会趋于零，(RNN) 的梯度就会消失。反之，会梯度爆炸。
LSTM
1. 长期依赖问题
若梯度消失，那么最前面的输入所蕴含的信息就无法传达到后面。比如要推测 I grew up in France… I speak fluent French. 的最后一个词 French 。那么肯定就要知道很靠前的 France 这个词的信息，但是它们相互相隔非常远，有可能获取不到，如下图所示：
2. 基本结构
和 \(RNN\) 的神经网络单元不同的是，\(LSTM\) 每个单元输的出包括两部分：\(C_t\) 和 \(h_t\) ，同时引入了遗忘门、输入门和输出门。
单元状态 (C_{t−1}) 通过累加的方式记录了 (t) 时刻需要保存的信息，作用在整个神经单元，因此可以长距离传输信息，如下图所示：
遗忘门
遗忘门用来丢弃上一时刻 \(C_{t−1}\) 的部分信息，上一时刻的隐状态 \(h_{t−1}\) 和当前时刻的输入 \(x_t\) 通过一个 \(sigmoid\) 层，输出 \(f_t\) 介于 \(0\) 到 \(1\) 之间，\(1\) 代表信息全部保留，\(0\) 代表全部丢弃。
输入门
- 为了更新单元状态 $C_t$ ，将 $h_{t−1}$ 和 $x_t$ 传递给 $sigmoid$ 函数，输出 $i_t$ 同样介于 $0$ 到 $1$ 之间，决定将更新临时单元状态中的哪些值。
- 为了协调神经单元，将 $h_{t−1}$ 和 $x_t$ 传递给 $tanh$ 函数，输出的临时单元状态 $C_t$ 介于 $-1$ 到 $1$ 之间。
- 将 $i_t$ 和 $C_t$ 逐点相乘。
单元状态
- 将 $C_{t−1}$ 与 $f_t$ 逐点相乘，和接近 $0$ 的值相乘，表示该词的作用不太大，会逐渐被遗忘；反之，该词的权重会变大，表示比较重要。
- 将结果和输入门的输出逐点相加，将单词的向量加加减减，更新为新的值，构成当前时刻神经单元的所有信息 $C_t$ 。
输出门
- 将 $h_{t−1}$ 和 $x_t$ 传递给 $sigmoid$ 函数，输出 $o_t$ 同样介于 $0$ 到 $1$ 之间，决定 $C_t$ 的哪些部分需要输出。
- 将 $C_t$ 传递给 $tanh$ 函数，与 $o_t$ 逐点相乘得到输出，该输出作为当前隐状态 $h_t$ 参与下一个神经单元进行计算。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
