深度学习(神经网络)

神经网络历史

---

• 提出形式神经元模型(M-P模型)（1943）
• 提出感知器（1958）
• 感知器无法解决线性不可分问题（1969）

---

• 提出神经认知机（1980）
• 提出霍普菲尔德模型（1982）
• 提出误差反向传播算法（1986）
• 提出卷积神经网络（1989）

---

• 提出将 预训练和自编码器 与 深度神经网络 相结合（2006）
• 提出在卷积神经网络中引入ReLU作为激活函数（2012）

---

形式神经元模型（M-P模型）

• 多个输入结点 $x_i$ 对应一个输出结点
• 每个输入结点乘以连接权重$w_i$,相加得到 $y$
• y大于阈值h，输出1，否则输出0。

感知器

感知器能够通过训练自动确定参数

引入误差修正学习：根据实际输出与期望输出的差值调整权重 $w_i$ 和阈值 $h$。

多层感知器

由 多层结构的感知器 递阶组成 输入值向前传播的网络。（前馈网络、正向传播网络）

通常采用三层结构：输入层，中间层，输出层。

误差反向传播算法

通过比较实际输出和期望输出得到的误差信号，把误差信号从输出层逐层向前传播得到各层的误差信号，再通过调整各层的连接权重以减小误差。

通过实际输出和期望输出之间的误差 $E$ 和梯度进行调整。

例：
$$\begin{gathered} y_1=w_{1}x+1，w_1=2 \\ {y}_2=w_2{y}_1^2，w_2=1; \end{gathered}$$
现输入 $x=1$ ,期望输出 $y_2=3$

代入求得：$y_1=2\ast 1+1=3$，$y_2=1\ast 3^2=10$

误差$E$：与期望值相差 $3-10=-7$

误差反向传播的梯度：
$$\begin{gathered} \frac{\partial y_2}{\partial w_2}=y_1^2=9 \\ \frac{\partial y_2}{\partial w_1}=\frac{\partial (w_{1}x+1{)}^2}{\partial w_1}=2x^2{w}_1+2x=6 \\ 或 \\ =\frac{\partial y_2}{\partial y_1}\frac{\partial y_1}{\partial w_1}=2w_2{y}_1\ast x=6 \end{gathered}$$

梯度的意义：
$$\frac{\partial y}{\partial w}：当w=w+△w，则y=y+\frac{\partial y}{\partial w}△w$$

已知：
$$误差为-7，梯度\frac{\partial y_2}{\partial w_2}=9，\frac{\partial y_2}{\partial w_1}=6$$
故可修改( $\eta 表示学习率，设\eta =1$ )
$$\begin{gathered} w_1=w_1+\frac{\eta E}{\frac{\partial y_2}{\partial w_1}}=2+1\ast (-7)/6=2-7/6=5/6 \\ {w}_2=w_2+\frac{\eta E}{\frac{\partial y_2}{\partial w_2}}=1+1\ast (-7)/9=1-7/9=2/9 \end{gathered}$$

$w_1,w_2已被调整为新值，w_1=\frac{5}{6}，w_2=\frac{2}{9}$
将此值带入原式计算，
$$y_1=\frac{11}{6},y_2=\frac{121}{162}$$
可看到，$y_2$从原先的 $10$ 被调整到了 $121/162$，可以看到，通过误差反向传播确实可以修正权值$w_1,w_2$。
但是过大的学习率会导致结果过拟合，如上，我们需要最后值为3，但修改后的值甚至小于了1。因此调整合适的学习率 $\eta$是必须的。

误差函数和激活函数

【机器学习基础】2、代价函数\损失函数汇总

误差函数

用于计算误差值 $E$

引自：https://www.cnblogs.com/go-ahead-wsg/p/12346744.html

二次代价函数

C = 1 2 n ∑ x 1 , … x n ∥ y ( x ) − a L ( x ) ∥ 2 C=\frac{1}{2 n} \sum_{x_{1}, \ldots x_{n}}\left\|y(x)-a^{L}(x)\right\|^{2} C=2n1​x1​,…xn​∑​ ​y(x)−aL(x) ​2

• C表示代价函数
• x表示样本
• y表示实际值
• a表示输出值
• n表示样本的总数；

其中$$a=\sigma (z),z=\sum w_j\ast x_j+b$$

• a代表激活函数的输出值
• σ代表sigmoid函数

$$\begin{gathered} \frac{\partial C}{\partial w}=(a-y){\sigma }^{\prime }(z)x \\ \frac{\partial C}{\partial b}=(a-y){\sigma }^{\prime }(z) \end{gathered}$$

注：由于反向误差梯度与sigmoid函数的导数有关，而sigmoid函数的导数会在值较大时有较小的倒数，故会导致权值调整较小。
如下图所示：

因此引入交叉熵代价函数

交叉熵代价函数

交叉熵代价函数（Cross-entropy cost function）是用来衡量人工神经网络（ANN）的预测值与实际值的一种方式。与二次代价函数相比，它能更有效地促进ANN的训练。

$$C=-\frac{1}{n}\sum _{x_1,x_n}[y\ln a+(1-y)\ln (1-a)]$$

• C表示代价函数
• x表示样本
• y表示实际值
• a表示输出值
• n表示样本的总数；
  $$\begin{gathered} a=\sigma (z),z=\sum w_j\ast x_j+b \\ {\sigma }^{\prime }(z)=\sigma (z)(1-\sigma (x)) \end{gathered}$$

梯度求解
$$\begin{array}{rl}\frac{\partial C}{\partial w_j}& =-\frac{1}{n}\sum _x\left(\frac{y}{\sigma (z)}-\frac{(1-y)}{1-\sigma (z)}\right)\frac{\partial \sigma }{\partial w_j}\\ & =-\frac{1}{n}\sum _x\left(\frac{y}{\sigma (z)}-\frac{(1-y)}{1-\sigma (z)}\right){\sigma }^{\prime }(z)x_j\\ & =\frac{1}{n}\sum _x\frac{{\sigma }^{\prime }(z)x_j}{\sigma (z)(1-\sigma (z))}(\sigma (z)-y)\\ & =\frac{1}{n}\sum _x{x}_j(\sigma (z)-y)\\ \frac{\partial C}{\partial b}& =\frac{1}{n}\sum _x(\sigma (z)-y)\end{array}$$

可以看出：权值 $w$ 和偏执值 $b$ 的调整与 $\sigma \prime (z)$ 无关，另外，梯度公式中的 $\sigma (z)-y$
表示输出值与实际值放入误差。所以当误差越大时，梯度就越大，参数w和b的调整就越快，训练的速度也就越快。

总结：当输出神经元是线性的，那么二次代价函数就是一种合适的选择。如果输出神经元是S型函数，那么比较适合交叉墒代价函数。

激活函数

激活函数类似于人类神经元，对输入信号进行线性或非线性变换。

• M-P模型中使用step函数作为激活函数
• 多层感知器中使用sigmoid函数，或tanh函数（双曲正切函数）
• 最近几年在深度学习中，修正线性单元（Rectified Linear Unit，ReLU）

sigmoid函数

$$\begin{gathered} f(u)=\frac{1}{1+e^{-u}} \\ u=\sum _{i=1}^n{w}_i{x}_i \end{gathered}$$
偏导数：
$$\frac{\partial f(u)}{\partial u}=f(u)(1-f(u))$$

RELU函数

$$\begin{gathered} f(u)=max(0,u) \\ \frac{\partial f(u)}{\partial u}=1 \end{gathered}$$

似然函数

似然函数用于计算多层感知器的输出结果，通常以softmax函数作为似然函数。

softmax函数

$$p(y^k)=\frac{exp(u_{2k})}{{\sum }_{q=1}^{Q}exp(u_{2q})}$$
softmax函数的分母是对输出层所有单元(q = 1，······，Q)的激活函数值的求和，起到归一化的作用。

随机梯度下降法

使用部分训练样本进行迭代计算，这种方法叫做随机梯度下降法（Stochastic Gradient Descent，SGD），与之相对的是批量学习方法。

批量学习方法

计算时遍历全部训练样本，设第 $t$ 次迭代各训练样本误差为 $E_n^t$ ,通过所有误差项计算全部训练样本误差：
$$E=\sum _{n=1}^n{E}_n$$
基于全部训练样本得到权重权重调整值并修正网络连接权重
$$w=w-\eta \frac{\partial E}{\partial w}$$
然后使用调整后的连接权重测试全部训练样本，如此反复迭代计算权重调整并修正网络。

• 优点：能有效抑制训练集内带噪声的样本所导致的输入模式剧烈变动
• 缺点：每次调整连接权值，所有样本都要参与训练，所有训练时间长

在线学习

逐个输入训练样本

由于在线学习每次迭代计算一个训练样本，所以训练样本的差异会导致结果出现大幅变动。
迭代结果的变动可能导致训练无法收敛。

小批量梯度下降法

介于在线学习和批量学习之间，将训练集分成几个子集D，每次迭代使用一个子集。

小批量下降法能够缩短单次训练时间，又能降低迭代结果的变动。

由于随机梯度下降法只使用部分训练样本，每次迭代后样本集的趋势都会发生变化，所以减少了迭代结果陷入局部最优解的情况。

学习率

用来确定权重连接调整的系数。

如果学习率过大，则有可能修正过头
如果学习率较小，收敛速度会很慢。

自适应调整学习率—AdaGrad方法

用学习率除以截至当前时刻 $t$ 的梯度 $▽E$ 的累计值，得到神经网络的连接权重 $w$.

$$w=w-\eta \frac{▽E^{(t)}}{\sqrt{{\sum }_{i=1}^t(▽E^{(i)}{)}^2+}\epsilon }$$