【神经网络】全连接神经网络理论

三、全连接神经网络（多层感知器）

全连接神经网络级联多个变换来实现输入到输出的映射。
注：max()在这称为激活函数，非线性操作不可以去掉。若缺少激活函数，退化为线性分类器。

线性分类器中的W 可看作模板，模板个数由类别个数决定；
全连接神经网络中W1 也可看作模板，但模板个数人为指定，不用一定等于类别数，W2 融合这多个模板的匹配结果来实现最终类别打分，W2模板个数等于类别数。

N 层全连接神经网络：除输入层之外其他层的数量为N 的网络或称为N-1 隐层神经网络。

3.1 网络结构设计：

1、用不用隐层，用几个隐层（深度设计）
2、每隐层设置多少个神经元合适（宽度设计）

3.2 损失函数：

1、SOFTMAX（把分数变成概率）

举例说明：

2、交叉熵损失

对比交叉熵损失和多类支持向量机损失：

举实际计算例子对比：

3.3 优化算法：

1、计算图与反向传播：

示例：

总结：

2、再谈损失函数（梯度消失问题）:

梯度消失是神经网络训练中非常致命的一个问题，本质是由于链式法则的乘法特性导致的。（例如sigmoid）。与sigmoid(X)类似，tanh(x)局部梯度特性不利于网络梯度流的反向传递。

梯度爆炸：也是由于链式法则的乘法特性导致的（导致步长太长）。解决方法：把沿梯度方向前进的步长限制在某个值内就可以避免“飞”出了，称为梯度裁剪。

3、解决梯度消失问题：动量法与自适应梯度

梯度下降存在的问题：（仅增加总步长不能加快算法收敛速度）

解决方法1：动量法（累加让震荡方向互相抵消）

解决方法2：自适应梯度AdaGrad 与改进的RMSProp（使用不同方向步长）

原理：使用不同方向的步长（学习率）

AdaGrad 自适应算法存在的问题：r 一直在累加，r 最终成为一个非常大的值，失去对学习率的调节作用。

对进行AdaGrad 自适应算法改进：RMSProp 方法

解决方法：ADAM（把动量法与自适应梯度合一块）

3.4 训练过程

1、权值初始化（希望通过调整权值让输出有和输入相同的分布）

解决方法：随机权值初始化（还是不行）

实验结论：初始化时让权值不相等，并不能保证网络能够正常的被训练。
有效的初始化方法：使网络各层的激活值和局部梯度的方差在传播过程中尽量保持一致；以保持网络中正向和反向数据流动。

解决方法：Xavier初始化（使用双曲正切激活函数或者sigmoid）

Xavier初始化 结论意思就是：当把高斯分布均值设为0，方差设为1/N时，去采样权值时，能保证输出与输入的变量有相同的分布。

Xavier初始化 出现的问题：

解决方法：HE初始化（MSRA）（使用ReLU激活函数）

小结：

2、批归一化（BN操作）（每一层进行批归一化）

单张样本测试时，均值和方差怎么设置？
答：来自于训练中。累加训练时每个批次的均值和方差，最后进行平均，用平均后的结果作为预测时的均值和方差。

3、欠拟合、过拟合与Dropout

过拟合：指学习过程选择的模型所包含的参数过多，以至于出现模型对已知数据预测得很好，对未知数据预测很差的现象。

欠拟合：一般是因为模型太简单

解决过拟合的方法：

最优方案：获取更多的数据

次优方案：调节模型允许存储的信息量或者对模型允许存储的信息加以约束，这种方法也称为正则化。
1、调节模型大小。2、约束模型权重，即权重正则化（常用的有L1、L2正则化）3、随机失活（Dropout）

随机失活（Dropout）（让隐层神经元以一定概率不被激活）

改进Dropout：

4、模型正则与超参数调优

例如学习率的设置：

举实例说明：