CNN反向求导推导

激活函数

logistic function σ(x)=11+e−x
hyperbolic tangent tanh(x)=e2x−1e2x+1
两者之间的关系
tanh(x)=2σ(2x)−1
对激活函数求导，我们有
∂tanh(x)∂x=1−tanh(x)2
∂σ(x)∂(x)=σ(x)(1−σ(x))

Loss Function 及求导

一般定义pre-activation（输出层神经单元用k表示）：
ak=∑h∈HLwhkbh
所以对于输出层，每个类别的概率可以用softmax函数来计算：
p(Ck|x)=eak∑Kk′=1eak′
ground truth 的类别z用个one-of-k维的向量来表示。这样的话，目标label的概率为
p(z|x)=∏k=1Kyzkk
对于损失函数，一般可以用negtative log likelihood L(x,z)=−lnp(z|x) ，得到：
L(x,z)=(z−1)ln(1−y)−zlny
对于多分类的问题，可以有
L(x,z)=−∑k=1Kzklnyk
或者采用【1】中最小二乘形式的损失函数
EN=12∑n=1N∑k=1c(znk−ynk)2
znk （【1】用 znk 表示）是第n个实例的ground truth的对应第k个维度的label (0 or 1表示是否是这个类别).
从这个形式可以看出来，最小化差方形式的损失函数，等价于同时最大化truth label的概率，最小化false label的概率。而negtative log likelihood 只是最大化truth label的概率。
Loss function对output以及pre activation的求导:
∂L(x,z)∂yk=−zkyk
对于二分类的情况
∂L(x,z)∂y=−1−z1−y−zy=y−zy(1−y)
利用链式法则，可以得到对于pre-activation的导数
∂L(x,z)∂a=∂L(x,z)∂y∂y∂a=y(1−y) y−zy(1−y)=y−z
对于多分类的偏导，也可以使用类似的方式求偏导
∂L(x,z)∂ak=∑k′=1K∂L(x,z)∂yk′∂yk′∂ak
最后可以得到
∂L(x,z)∂ak=yk−zk
我们用上标 l 表示该蚕食是位于第 l 层，当前层，那么当前层的输出可以表示为
xl=θ(al),al=Wlxl+bl
θ 是激活函数，可以取sigmoid σ 或是 tanh 函数。

反向传播

由于神经网络是有多层，但是只有输出层才有ground truth的label以及模型输出，根据“误差”向误差减小方向调整权值。但是对于隐含层，没有ground truth label，这就需要由输出层将“误差”传播到隐含层。这里的“误差”,是损失函数对pre-activation的偏导，也可以看做损失函数对于bias b的敏感度：
δ=∂E∂b=∂E∂a∂a∂b
由 al=Wlxl+bl 知道， ∂a∂b=1 ,所以这个解释也可以说的过去。下面是如何反向传播 δ
δl=∂E∂xl∂xl∂al=∂xl∂al∑∂E∂al+1∂al+1∂xl=θ′(al)∘(Wl+1)Tδl+1
其中 ∘ 表示element-wise product。
对于输出层的 δ ，若是损失函数是negtative log， δL=∂E∂a=y−z
粗体 y 是softmax的输出概率， z 是目标label的one-of-k 向量。
对于差方损失， δ 可以得到
δL=θ′(al)∘(yn−zn)
有了 δ ，就可以通过链式法则来求得对于中间层的偏导：
∂E∂Wl=∂E∂al∂al∂Wl=δl(xl−1)T
ΔWl=−η∂E∂Wl
η 是学习速率，【1】中介绍实际中对于每个 Wij 都会有一个学习速率 ηij

卷积神经网络

卷积神经网络（CNN），含有两种类型的网络连接，卷积层和sub-sampling层。

卷积层

每个输出层可以由多个输入层卷积的组合得到，也就是说
xlj=θ(∑i∈Mjxl−1i∗klij+blj)
对于每个输出层map的每个输入层map，可以用不同的kernel klij
Mj 表示第 j 输出map的输入map集合。

下采样层

下采样层每个输出层是对对应输入层的下采样，所以输入层输出层都是N
xlj=θ(βljdown(xl−1j)+blj)
down(.) 表示下采样，一般来说，这个函数会对一个 n×n 大小的block求和，然后乘以一个乘法 bias β 和一个加法 b .

卷积层梯度的计算

类似于BP算法过程，首先是求得下一层敏感度和下一层权值的内积，然后做点乘。在CNN中，卷积层与sub-sampling层是依次挨着的。sub-sampling对nxn大小的block求和，可以看做权值是1。所以先要用nxn大小的全1矩阵与下一层敏感度矩阵做Kronecker积，完成权值相乘与上采样，得到与当前层敏感度大小map。然后与激活函数导数做点乘。
当然，【1】中提到了下采样之后用一个大小为 β 的标量相乘，看做下采样层的权值都为 β ，所以这里在计算完之后乘以一个 β 。所以式子就是
δlj=βl+1j(θ′∘up(δl+1j))
其中，上采样就是与全1矩阵做一个Kronecker积
up(x)=x⊗1n×n
这样的话，对于特定map的敏感度求和就得到了对应的bias偏导
∂E∂bj=∑u,v(δlj)u,v
对权值求导就是该权值相连的前一层数据和和当前层的敏感度乘积，由于是共享权值，所以每个权值链接的不是单一输入输出，所以要对所有该权值连接的数据进行求和
∂E∂Wlij=∑u,v(δlj)u,v(pl−1i)u,v
按照【1】中的说法这里单独记录kernel的每个权值在相邻两层的连接元素比较麻烦，但是由于kernel和out map以及input map都是矩形，而且卷积过程是顺序操作，显然可以用互相关来得到对应元素的乘积。可以使用matlab的卷积来进行互相关运算，只不过要先将数据进行翻转。
可以这么解释，假设一个 k×k 大小的kernel和一个 N×N 大小的图像进行卷积操作，生成的map是 (N−k+1)×(N−k+1) ，对于kernel上的每个weight，会和原来图像的一个 (N−k+1)×(N−k+1) 大小的连续区域的所有元素进行乘积。假设 (1,1) 位置的kernel的weight，会和原来map（图像）右下方 (N−k+1)×(N−k+1) 的区域每个元素乘积，然后贡献到下层map的 (N−k+1)×(N−k+1) 的每个对应位置上。所以与（1,1）相关的元素是输入层map的右下方的 (N−k+1)×(N−k+1) 和输出层的 (N−k+1)×(N−k+1) 大小map。所以说反向传播过程中的偏导计算可以使用互相关操作来完成，用matlab代码：
∂E∂kli,j=rot180(conv2(xl−1i),rot180(δlj,′valid′))
注意到前面还有一个 rot180 操作，那是因为（1,1）在输入层map对应的是右下方 (N−k+1)×(N−k+1) 区域，所以互相关之后还是在右下方 (k,k) 位置，所以要旋转180度得到（1,1）位置。

下采样层梯度的运算

首先是计算敏感度map δlj ，由反向传播计算下一层的敏感度 δl+1j 计算，与kernel相乘然后与激活函数的导数做element-wise相乘。下一层是卷积操作，当前层map的每个元素通过kernel的不同链接与下一层的map的多个元素有链接。所以用下一层map敏感度与kernel进行互相关操作得到BP敏感度公式中权值和下层敏感度的乘积。
δlj=θ′(alj)∘conv2(δl+1j,rot180(kl+1j),′full′)
注意到这里用的是full，在前向过程计算下层中，下层元素每维度少了 k−1,（n−k+1)×(n−k+1) ，所以对于边缘，例如input map (1,1)位置，只和output map的（1,1）有关，所以需要用0补全然后再做互相关操作。
然后就是求参数 bj 和 βj 的偏导了。
bj 的偏导仍是把该层敏感度相加
∂E∂bj=∑u,v(δlj)u,v
然后求权值偏导，首先保存下采样数据
dlj=down(xl−1j)
然后对所有相连的数据相乘求和
∂E∂βj=∑u,v(δlj∘dlj)u,v

学习特征map的组合

现有的output map是由多个不同的map组合的，但是如何组合目前还是通过人工的方式进行选择，如何自动地进行学习哪些input map可以组成哪些output map呢？
我们设定 αij 是组成output map j时，input map i所占有的权重，所以就有：
xlj=θ(∑i=1Ninαij(xl−1i∗kli+blj)
subject to
∑iαij=1,  and  0≤αij≤1
αij 是一个概率，可以用softmax函数来表示 αij=exp(cij)∑kexp(ckj)
cij 表示对应的weight，由于这里j都是一样，所以可以把下班j省立
对 cj 求偏导
∂αk∂ci=δkiαi−αiαk
这里的 δki 是指示函数，k==i时为1，不等时为0.
再求损失函数对 αi 的偏导
∂E∂αi=∂E∂al∂al∂αi=∑u,v(δl∘(xl−1i∗kli))u,v
然后合并起来
∂E∂ci=∑k∂E∂αk∂αk∂ci=αi(∂E∂αi−∑k∂E∂αkαk)

关于sparsity

加上1范数的regularization。
E~n=En+λ∑i.j|(αi,j)|
求导：
∂Ω∂ci=∑k∂Ω∂αk∂αk∂ci=λ(|αi|−αi∑k|αk|)
整个偏导公式：
∂E~n∂ci=∂En∂ci+∂Ω∂ci
参考文献：
【1】Notes on Convolutional Neural Networks
【2】http://blog.csdn.net/zouxy09/article/details/9993371
【3】http://www.cnblogs.com/tornadomeet/p/3468450.html
【4】Supervised Learning with Recurrent Neural Networks