这周在看循环神经网络,发现一个博客,里面的推导过程极其详细,借此记录重点

详细推导

强烈介意手推一遍,虽然可能会花一点时间,但便于理清思路。

语言模型

RNN是在自然语言处理领域中最先被用起来的,比如,RNN可以作为语言模型来建模。

什么是语言模型?

语言模型:给定一个一句话前面的部分,预测接下来最有可能的一个词是什么。

语言模型可以用在语音转文本(STT)上,也可以用在图像到文本的识别中(OCR)。

使用RNN之前,语言模型主要采用N-Gram,即先对句子切词,再在语料库中搜索前n个词进行预测,这样想法没有实用性,因为根本没有用到有用的信息,并且该模型还会占用海量的存储空间。

所以,RNN出现,理论上RNN可以往前看(往后看)任意多个词。

循环神经网络

基本神经网络

循环神经网络1—RNN

如上图左,一个简单的循环神经网络由一个输入层、一个隐藏层和一个输出层组成。

其中,x是一个向量,代表输入层的值;s是一个向量,代表隐藏层的值;o是一个向量,代表输出层的值。

U是输入层到隐藏层的权重矩阵V是隐藏层到输出层的权重矩阵权重矩阵W是隐藏层上一次的值作为这一次的输入的权重。循环神经网络与普通的全连接神经网络不同的地方也就在于W

如上图右,可表示循环神经网络的计算方式:

(1)ot=g(Vst)(1)(2)st=f(Uxt+Wst1)(2)

其中,式1是输出层的计算公式,输出层是一个全连接层,即每一个节点都与隐藏层的每个节点相连,g代表**函数,V是输出层的权重矩阵。

式2是隐藏层的计算公式,它是一个循环层,f是**函数,U是输入x的权重矩阵,W是上次值st1作为这次输入的权重矩阵。

双向循环神经网络

对于语言模型来说,很多时候光看前面的词是不够的,还需要看后面的词。普通的基本循环神经网络对此无法建模,因此,我们需要双向循环神经网络

循环神经网络1—RNN

从上图可知,双向循环神经网络的隐藏层要保存两个值,一个A参与正向计算,另一个值A参与反向计算。最后的输出值y2取决于A2A2。仿照式1和试2,双向循环神经网络的计算方法如下:

(3)ot=g(Vst+Vst)(4)st=f(Uxt+Wst1)(5)st=f(Uxt+Wst+1)

可以看出:正向计算时,隐藏层的值stst1有关;反向计算时,隐藏层的值stst1有关。正向计算和反向计算不共享权重,也就是说UUWWVV都是不同的权重矩阵。

深度循环神经网络

之前介绍的RNN都是只有一个隐藏层,当堆叠两个以上隐藏层时,就得到了深度循环神经网络

循环神经网络1—RNN

把第i个隐藏层的值表示为st(i)st(i),则深度循环神经网络的计算方式可以表示为:

(6)ot=g(V(i)st(i)+V(i)st(i))(7)st(i)=f(U(i)st(i1)+W(i)st1)(8)st(i)=f(U(i)st(i1)+W(i)st+1)(9)...(10)st(1)=f(U(1)xt+W(1)st1)(11)st(1)=f(U(1)xt+W(1)st+1)

循环神经网络的训练

循环神经网络的训练算法:BPTT

BPTT算法是针对循环层的训练算法,基本原理和BP算法一样,包含三个步骤:

  1. 前向计算每个神经元的输出值;

  2. 反向计算每个神经元的误差项δj值,它是误差函数E对神经元j的加权输入netj的偏导数;

  3. 计算每个权重的梯度。

最后再用随机梯度下降算法更新权重。

循环层如下图所示:

循环神经网络1—RNN

1. 前向计算

使用式2对循环层进行前向计算:

st=f(Uxt+Wst1)

上式中,stxtst1都是向量,U、V是矩阵,向量的下标表示时刻。

2. 误差项的计算

BTPP算法将第l层的t时刻的误差项δtl值沿两个方向传播,一个方向是传递到上一层网络,得到δtl1值,这部分只与U有关;另一方向是沿时间线传递到初始t1时刻,得到δ1l值,这部分只与W有关。

我们用向量nett表示神经元在t时刻的加权输入,因为:

(12)nett=Uxt+Wst1(13)st1=f(nett1)

因此(详细推导此处略过,详情见链接):

(14)nettnett1=nettst1st1nett1(15)=Wdiag[f(nett1)](16)=[w11f(net1t1)w12f(net2t1)...w1nf(netnt1)w21f(net1t1)w22f(net2t1)...w2nf(netnt1)..wn1f(net1t1)wn2f(net2t1)...wnnf(netnt1)]

上式描述了将δ沿时间往前传递一个时刻的规律,根据这个规律,可以求得任意时刻k的误差项δk

(17)δkT=Enetk(18)=Enettnettnetk(19)=Enettnettnett1nett1nett2...netk+1netk(20)=Wdiag[f(nett1)]Wdiag[f(nett2)]...Wdiag[f(netk)]δtl(21)=δtTi=kt1Wdiag[f(neti)](3)

式3是将误差项沿时间反向传播的算法。

循环层将误差项反向传递到上一层网络,与普通的全连接层完全一样。

(22)(δtl1)T=Enettl1(23)=Enettlnettlnettl1(24)=(δtl)TUdiag[fl1(nettl1)](4)

式4就是将误差项传递到上一层的算法。

3. 权重梯度的计算

首先,我们计算误差函数E对权重矩阵W的梯度EW.

循环神经网络1—RNN

上图展示了前两步已经计算得到的值,包括每个时刻t循环层的输出值st以及误差项δt

梯度计算算法:只要知道了任意一个时刻的误差项δt,以及上一个时刻循环层的输出值st1,就可以按照下面的公式求出权重矩阵在t时刻的梯度WtE:

WtE=[δ1ts1t1δ1ts2t1...δ1tsnt1δ2ts1t1δ2ts2t1...δ2tsnt1..δnts1t1δnts2t1...δntsnt1](5)

我们求得了权重矩阵W在t时刻的梯度WtE,最终的梯度WE是各个时刻的梯度之和(至于为什么是“和”,详细推导见链接):

(25)WE=i=1tWiE(26)=[δ1ts1t1δ1ts2t1...δ1tsnt1δ2ts1t1δ2ts2t1...δ2tsnt1..δnts1t1δnts2t1...δntsnt1]+...+[δ11s10δ11s20...δ11sn0δ21s10δ21s20...δ21sn0..δn1s10δn1s20...δn1sn0](6)

式6就是计算循环层权重矩阵W的梯度的公式。

RNN的梯度爆炸和消失问题

不幸的是,前面提到的几种RNNs都不能很好的处理较长的序列。原因是RNN在训练中很容易发生梯度爆炸梯度消失,这导致训练梯度不能在较长序列中一直传递下去,从而使RNN无法捕捉到长距离的影响。(具体原因见链接)

处理梯度爆炸:设置一个梯度阈值,当梯度超过这个阈值时可以直接截取。

处理梯度消失:

  1. 合理的初始化权重值。初始化权重,使每个神经元尽可能不要取极大值或极小值,以躲开梯度消失的区域。

  2. 使用ReLU代替Sigmoid和tanh作为**函数。

  3. 使用其他结构的RNNs,如长短时记忆网络(LTSM)和Gated Recurrent Unit(GRU)。