深度学习(四)~循环神经网络

循环神经网络

1. RNN训练流程

【RNN训练过程】
a. 前向计算每个神经元的输出值；
b. 反向计算每个神经元的误差项值；
c. 计算每个权重的梯度。
d. 最后再用随机梯度下降算法更新权重

2. 参数学习

(1)【RNN前向传播算法】

循环神经网络在时刻t的更新公式为

• x(t)代表在序列 t 时刻训练样本的输入;

• h(t) 代表在序列 t 时刻模型的隐藏状态. h(t)由x(t)和 h(t-1) 共同决定;
• o(t) 代表在序列 t 时刻模型的输出. o(t)只由模型当前的隐藏状态 h(t) 决定;
• L(t) 代表在序列 t 时刻模型的损失函数. 模型整体的损失函数是所有的L(t)相加和;
• y(t) 代表在序列 t 时刻训练样本序列的真实输出;
• f,σ为激活函数,通常前者f选择tanh,后者σ选择softmax;
• U是状态-状态权重矩阵，W是状态-输入权重矩阵，U,W,V这三个矩阵就是我们的模型的线性关系参数，它在整个RNN网络中是共享的。也正是因为是共享的，它体现了RNN的模型的“循环反馈”的思想.

(2)【随时间反向传播算法(BPTT)】

由于序列的每个位置都有损失函数，因此最终损失L为：

求 L 在 t 时刻对 W 、U 、V的偏导数：

(3) 随时间反向传播算法(BPTT) VS 实时循环学习算法(RTRL)

① 在RNN中，一般网络输出维度远低于输入维度，因此BPTT算法计算量更小；
② BPTT需要保存所有时刻的中间梯度，空间复杂度较高，RTRL算法不需要梯度回传，适合在线学习或者无限序列任务

3. RNN应用：

(1). 序列到类别模式

特点：
输入：单词序列
输出：文本类别
一种是将最后时刻的状态作为整个序列的表示；另一种是对整个序列的所有状态进行平均，从而作为整个序列的表示

g(*)为分类器
应用：文本分类

(2). 同步的序列到序列模式

特点：每一时刻都有输入和输出，输入序列与输出序列的长度相同。例如为每个单词标注对应的词性标签

g(*)为分类器
应用：序列标注

(3). 异步的序列到序列模式

特点：也称编码器-解码器(Encoder-Decoder)模型，即输入序列和输出序列不需要严格的对应关系，也不需要保持相同的长度

流程：异步的序列到序列模式一般通过先编码后解码的方式来实现。先将样本x按不同时刻输入到一个循环神经网络(编码器)中，并得到其编码hT.再使用另一个循环神经网络(解码器)得到输出序列y(1:M)
应用：机器翻译

4. 长程依赖问题

参数学习过程中连乘项可能发生极大或极小的情况，从而影响最终结果，也即梯度消失与梯度爆炸问题

(1). 梯度消失

在参数学习过程中，连乘项若很多项小于1，则结果越来越趋近于0，导致信息损失过多，发生梯度消失

sigmoid 函数的导数范围是(0, 0.25]，tanh 函数的导数范围是 (0, 1] ，均不大于一，因此容易累乘越来越小，出现梯度消失问题(例如：δ(wx+b)中，wx+b越大，δ导数越小).

一般采取的方式是优化技巧(优化激活函数，譬如将sigmold改为relu)或改变模型

(2). 梯度爆炸

在参数学习过程中，连乘项若很多项很大，则结果越来越大，导致计算量极大，发生梯度爆炸问题

一般采取的方式是权重衰减(正则化)或梯度截断

梯度截断思想是设置一个梯度剪切阈值，然后更新梯度的时候，如果梯度超过这个阈值，那么就将其强制限制在这个范围之内，从而防止梯度爆炸。

tanh 函数的收敛速度要快于 sigmoid 函数，梯度消失的速度要慢于 sigmoid 函数。

5. 改进方案-基于门控的循环神经网络

为了解决这两个问题，学者们引入了基于门控的循环神经网络.

(1) LSTM

与传统的循环神经网络相比，LSTM采用三门机制，输入门、遗忘门以及输出门和一个内部记忆单元。

遗忘门： 控制前一步记忆单元中的信息有多大程度被遗忘掉
输入门： 决定从当前步骤添加哪些信息
输出门： 决定下一个隐藏状态应该是什么

(2) GRU

GRU是在LSTM上进行简化而得到的，只有两个门，分别为更新门和重置门

重置门： 候选隐含状态使用了重置门来控制过去有多少信息被遗忘
更新门： 控制过去的隐含状态在当前时刻的重要性

LSTM与GRU等算法将在续篇详细介绍