RNN循环神经网络（吴恩达《序列模型》笔记一）

1、为什么选择序列模型

2、数学符号

用1来代表人名，0来代表非人名，句子x便可以用y=[1 1 0 1 1 0 0 0 0]来表示

3、循环网络模型

值得一提的是，共享特征还有助于减少神经网络中的参数数量，一定程度上减小了模型的计算复杂度。

RNN模型包含三类权重系数，分别是Wax，Waa，Wya。
优点：不同元素之间同一位置共享同一权重系数。
缺点：它只使用了这个序列中之前的信息来做出预测。比如作出预测y<3>的时候没有用到之后x<4> 、x<5>的信息。

4、正向传播

简化RNN标记

5、反向传播

6、循环神经网络的其他结构

吴恩达参考的论文《The Unreasonable Effectiveness of Recurrent Neural Networks》

• many-to-many ：Name entity recognition、Machine translation
• many-to-one : Sentiment Classification
• one-to-one : 之前学习的网络
• one-to-many : Music generation

7、构建语言模型

在单词表中对句子中的每个单词进行one-hot编码，句子结尾用< EOS >进行编码，如果有不在单词表中的单词出现，用< UNK >进行编码。

输入a<0>和x<1>都是零向量，用softmax输出预测值y^ <1>代表第一个词可能是词汇表中每个词的概率p(a)、p(an)、p(be)…p(< unk>)、p(< EOS>)，接下来x<2>等于真实值y<1>:cats作为输入，得到预测值y^ <2>代表在第一个词是cats的情况下第二个词可能是词汇表中每个词的概率p(a|cats)、p(an|cats)、p(be|cats)…p(< unk>|cats)、p(< EOS>|cats)。

最后这句话是“cats average 15 hours of sleep a day.< EOS>”的的概率p(y<1>,y<2>,···y<9>)可以用条件概率公式计算得到。

对语料库的每条语句进行RNN模型训练，最终得到的模型可以根据给出语句的前几个单词预测其余部分，将语句补充完整。例如给出“Cats average 15”，RNN模型可能预测完整的语句是“Cats average 15 hours of sleep a day.”。

7、对新序列进行采样

利用训练好的RNN语言模型，可以进行新的序列采样，从而随机产生新的语句。
基于字符的语言模型
优点：不会出现不在词汇表中的单词
缺点：会得到太多太长的序列

8、RNN中的梯度消失

RNN缺点：不擅长处理长期依赖

语句中可能存在跨度很大的依赖关系，即某个单词可能与它距离较远的某个单词具有强依赖关系。例如下面这两条语句：

• The cat, which already ate fish, was full.
• The cats, which already ate fish, were full.

由于跨度很大，普通的RNN网络容易出现梯度消失，捕捉不到它们之间的依赖，造成语法错误。
另一方面，RNN也可能出现梯度爆炸的问题，即gradient过大。常用的解决办法是设定一个阈值，一旦梯度最大值达到这个阈值，就对整个梯度向量进行尺度缩小。这种做法被称为梯度修剪(gradient clipping)。

9、门控制循环单元(GRU)

门控制循环单元(Gated Recurrent Unit)：有效解决梯度消失问题，使RNN能捕获更长的依赖。
RNN的隐层单元结构如下：

其中a< t >的表达式为：

为解决上述问题，对上述单元进行修改，增加了记忆单元C：memory cell，提供了记忆功能，GRU单元如下所示：

相关公式如下：

Γu意为update gate，更新门，是一个从0到1的数字。当Γu=1时，代表更新；当Γu=0时，代表记忆，保留之前的模块输出。

比如：The cat, which already ate…,was full.
在cat处会产生一个c< t > 将猫是单数的信息传播到was处的Γu中，根据公式第三行，如果此时计算出来的Γu=0，则c< t >=c< t -1>不进行更新，谓词为was，如果Γu=1，则c< t >=c～< t >谓词更新为were。

由于Γu 使用了sigma激活函数，这个激活函数的特点是对于大部分输入的数来说，其对应的函数值都接近零，这样就能很大程度的保留之前的信息，这样就能很好的解决梯度消失的问题。

这一点跟CNN中的ResNets的作用有点类似。因此，Γu能够保证RNN模型中跨度很大的依赖关系不受影响，消除梯度消失问题。

上面介绍的是简化的GRU模型，完整的GRU添加了另外一个gate，即Γr，这个 Γr 告诉计算出的下一个c< t >的候选值跟c< t-1 >有多大的相关性。
表达式如下：

GRU特点：模型简单，计算速度快，易于构建大规模神经网络，出现在LSTM之后，现在逐渐在被人们采用。

10、长短期记忆(LSTM)

Long Short Term Memory甚至比GRU更加高效，对应的RNN隐层结构如图所示：


如果考虑c对Γu，Γf，Γo的影响，可加入peephole connection，对LSTM的表达式进行修改：

GRU可以看成是简化的LSTM，两种方法都具有各自的优势。

11、双向循环网络(BRNN)

Bidirectional RNN：这个模型可以让你在序列的某点处，不仅可以获取之前的信息，还可以获取未来的信息。每个单元可以采用GRU或LSTM结构。BRNN的结构图如下：

这样网络就构成了无环图Acyclic graph：给定一个输入序列x^<1> 到 x^<3>， 这个序列首先计算前向的a^<1> 、a^<2>、 a^<3>， 而反向序列由a^<3> 开始计算到a^<1>，把这些所有激活值计算完后就可以计算预测结果了，比如下面的计算公式：

BRNN缺点：需要完整的数据的序列，才能预测任意位置。
比如：语音识别中，需要人完整的说完话，然后获取整段语音，才能处理这段语音进行识别。

12、深度循环网络(DRNN)

Deep RNN：当需要解决很复杂的问题时，可以将上面的一些RNN进行整合形成DRNN。

三层深度循环网络的结构示意图如下，其中 []：表示层数，<>：表示时间序

某个单元激活值的计算方式如下：

我们知道DNN层数可达100多，而Deep RNNs一般没有那么多层，3层RNNs已经较复杂了。

另外一种比较常用的Deep RNNs结构是每个输出层上还有一些垂直单元，如下图所示：

同样，每个单元可以是RNN、GRU、LSTM、BRNN。