week6——DNN-HMM模型

一 深度神经网络（DNN）

深度神经网络（Deep Neural Netwoeks，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的模型与前相传播算法做一个总结。

1、从感知机到神经网络

这个模型只能用于一个二分类，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。而神经网络模型则在感知机的基础上做了扩展，总结下主要有三点：

• 加入了隐藏层，隐藏层可以有很多层，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模型的复杂度也增加了很多。
• 输出层的神经元也可以是连续的不知一个，可以有多个输出，这样的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。多个神经元输出的输出层对应的一个实例如下，输出层现在有四个神经
• 对激活函数做扩展，感知机的激活函数是sign(z)，虽然简单但是处理能力也有限，因此神经网络中一般使用其他的激活函数，比如我们在逻辑回归里面使用过的Sigmoid函数，即：
• 还有后来出现的tanx、softmax和ReLu等，通不过使用不同的激活函数，神经网络的表达能力进一步增强

2 、DNN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 perceptron,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内部的神经网络层可以分为三类，输入层，隐藏层和输出层，如下图示例，一般来说第一层是输入层，最后一层是输出层，而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，但是从小的局部模型来说，还是和感知机一样，即一个线性关系加上一个激活函数σ ( z ) 。

由于DNN层数多，则我们的线性关系系数w和偏倚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的定义。以下图一个三层的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。上标3代表线性系数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。你也许会问，为什么不是, 而是呢？这主要是为了便于模型用于矩阵表示运算，如果是每次进行矩阵运算是，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wx+b。总结下，第L-1层的第k个神经元到第L层的第j个神经元的线性系数定义为。，需要注意，输入层是没有w参数的。

再来看看偏倚b的定义。还是以这个三层的DNN为例，第二层的第3个神经元对应的偏倚定义为。其中，上标2代表所在的层数，下标3代表偏倚所在的神经元的索引。输出层是没有偏倚参数b的。

同样的道理，对于神经元的激活值而言，第3层的第1个神经元的激活值应该表示

二、DNN前向传播算法

1 、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和偏倚b的定义。假设我们选择的激活函数是σ ( z ) ，隐藏层和输出层的输出值为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。

 

2 、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和偏倚向量b来和输入值向量x进行一系列线性运算和激活运算，从输入层开始，一层层的向后计算，一直到运算到输出层，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，偏倚向量b，输入值向量x

输出：输出层的

• 初始化  = x
• for l = 2 to L，计算：

最后的结果即为输出

3 、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，偏倚向量b对应的参数怎么获得呢？怎么得到最优的矩阵W，偏倚向量b呢？这个我们在下一章讲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的模型与前向传播算法。这也是我们先讲前向传播算法的原因。

三、 DNN反向传播算法

1 、DNN 反向传播算法要解决的问题

在了解DNN的反向传播算法（Back Propagation，BP）前，我们先要知道DNN反向传播算法要解决的问题，也就是说，什么时候我们需要这个反向传播算法？

回到我们监督学习的一般问题，假设我们有m个训练样本：，其中x为输入向量，特征维度为，而y为输出向量，特征维度为。我们需要利用这m个样本训练出一个模型，当有一个新的测试样本来到时, 我们可以预测向量的输出。

如果我们采用DNN的模型，即我们使输入层有个神经元，而输出层有个神经元。再加上一些含有若干神经元的隐藏层。此时我们需要找到合适的所有隐藏层和输出层对应的线性系数矩阵W和偏倚向量b，让所有的训练样本输入计算出的输出尽可能的等于或很接近样本输出。怎么找到合适的参数呢？

如果大家对传统的机器学习的算法优化过程熟悉的话，这里就很容易联想到我们可以用一个合适的损失函数来度量训练样本的输出损失，接着对这个损失函数进行优化求最小化的极值，对应的一系列线性系数矩阵W和偏倚向量b即为我们的最终结果。在DNN中，损失函数优化极值求解的过程最常见的一般是通过梯度下降法来一步步迭代完成的，当然也可以是其他的迭代方法比如牛顿法与拟牛顿法。

对DNN的损失函数用梯度下降法进行迭代优化求极小值的过程即为我们的反向传播算法。

2、 DNN反向传播算法的基本思路

在进行DNN反向传播算法前，我们需要选择一个损失函数，来度量训练样本计算出的输出和真实的训练样本输出之间的损失。你也许会问：训练样本计算出的输出是怎么得来的？这个输出是随机选择一系列W，b，用前向传播算法计算出来的。即通过一系列的计算：。计算到输出层第L层对应的a^L即为前向传播算法计算出来的输出。

回到损失函数，DNN可选择的损失函数有不少，为了专注算法，这里我们使用最常见的均方差来度量损失。当然，针对不同的任务，可以选择不同的损失函数。即对于每个样本，我们期望最小化下式：

其中，和y为特征维度为的向量，而为S的L2范数

损失函数有了，现在我们开始用梯度下降法迭代求解每一层的W， b

 

3 、DNN反向传播算法过程

现在我们总结下DNN反向传播算法的过程。由于梯度下降法有批量（Batch），小批量(mini-Batch)，随机三个变种，为了简化描述，这里我们以最基本的批量梯度下降法为例来描述反向传播算法。实际上在业界使用最多的是mini-Batch的梯度下降法。不过区别仅仅在于迭代时训练样本的选择而已。

输入: 总层数L，以及各隐藏层与输出层的神经元个数，激活函数，损失函数，迭代步长α ，最大迭代次数MAX与停止迭代阈值ϵ，输入的m个训练样本

输出：各隐藏层与输出层的线性关系系数矩阵W和偏倚向量b

• 1.初始化各隐藏层与输出层的线性关系系数矩阵W和偏倚向量b的值为一个随机值。
• 2.for iter from 1 to MAX:
  • 2.1 for i from 1 to m:
    • 2.1.1 将DNN输入a^1设置为x
    • 2.1.2 from l = 2 to L，进行前向传播算法计算
    • 2.1.3 通过损失函数计算出输出层的(BP1)
    • 2.1.4 for L - 1 to 2，进行反向传播算法计算（BP2）
  • 2.2 for l = 2 to L，更新第l层的
• • 2.3 如果所有w,b的变化值都、小于停止迭代阈值ϵ，则跳出迭代循环带步骤3
• 3.输出各隐藏层与输出层的线性关系系数矩阵W和偏倚向量b。

注：上述的算法其实看起来有些复杂了，而实际上根据机器学习里普通的批梯度下降算法，我们在求出m个样本的后，求平均得到，然后反向继续更新。

4、 DNN反向传播算法小结

有了DNN反向传播算法，我们就可以很方便的用DNN的模型去解决各种监督学习的分类回归问题。当然DNN的参数众多，矩阵运算量也很大，直接使用会有各种各样的问题。有哪些问题我们候选在进行优化。