循环神经网络¶
1 语言模型¶
- 概念:语言模型就是这样的东西: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。语言模型是对一种语言的特征进行建模,它有很多很多用处。比如在语音转文本(STT)的应用中,声学模型输出的结果,往往是若干个可能的候选词,这时候就需要语言模型来从这些候选词中选择一个最可能的。当然,它同样也可以用在图像到文本的识别中(OCR)。
- N-Gram:使用RNN之前,语言模型主要是采用N-Gram。N可以是一个自然数,比如2或者3。它的含义是,假设一个词出现的概率只与前面N个词相关。模型的大小和N的关系是指数级的。RNN理论上可以往前看(往后看)任意多个词。
2 循环神经网络¶
- 组成:由一个输出层,一个隐藏层,一个输入层组成
循环神经网络的隐藏层的值s不仅仅取决于当前这次的输入x,还取决于上一次隐藏层的值s。权重矩阵 W就是隐藏层上一次的值作为这一次的输入的权重。
- 展开:
-
公式:
-
基本公式
输出层是一个全连接层,也就是它的每个节点都和隐藏层的每个节点相连。V是输出层的权重矩阵,g是激活函数。式2是隐藏层的计算公式,它是循环层。U是输入x的权重矩阵,W是上一次的值作为这一次的输入的权重矩阵,f是激活函数。
- 代入 可以看到,循环神经网络的输出值,是受前面历次输入值影响的,这就是为什么循环神经网络可以往前看任意多个输入值的原因。
3 双向循环神经网络¶
- 结构:
- 公式
4 深度循环神经网络¶
- 循环神经网络只有一个隐藏层,我们当然也可以堆叠两个以上的隐藏层,这样就得到了深度循环神经网络。
5 循环神经网络的训练¶
5.1 循环神经网络的训练算法:BPTT¶
-
步骤:
-
前向计算每个神经元的输出值;
- 反向计算每个神经元的误差项值,它是误差函数对神经元的加权输入的偏导数;
- 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。
-
推导
-
前向计算
-
误差项计算
-
每个时刻的权重梯度计算
-
的偏导数数学推导
注意,其实所有的都是一个,只是帮忙分析
- 的推导同理
5.2 梯度消失和梯度爆炸¶
-
RNN在训练中很容易发生梯度爆炸和梯度消失,这导致训练时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
-
原因:
-
上式的定义为矩阵的模的上界。因为上式是一个指数函数,如果很大的话(也就是向前看很远的时候),会导致对应的误差项的值增长或缩小的非常快,这样就会导致相应的梯度爆炸和梯度消失问题(取决于大于还是小于1)
-
处理:
-
梯度爆炸更容易处理一些。因为梯度爆炸的时候,我们的程序会收到NaN错误。我们也可以设置一个梯度阈值,当梯度超过这个阈值的时候可以直接截取。
- 梯度消失更难检测,而且也更难处理一些。总的来说,我们有三种方法应对梯度消失问题:
- 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或极小值,以躲开梯度消失的区域。
- 使用relu代替sigmoid和tanh作为激活函数。
- 使用其他结构的RNNs,比如长短时记忆网络(LTSM)和Gated Recurrent Unit(GRU),这是最流行的做法。
6 RNN的应用举例(基于RNN的语言模型)¶
-
向量化:神经网络的输入是词,我们可以用下面的步骤对输入进行向量化
-
建立一个包含所有词的词典,每个词在词典里面有一个唯一的编号。
-
任意一个词都可以用一个N维的one-hot向量来表示。其中,N是词典中包含的词的个数。假设一个词在词典中的编号是i,v是表示这个词的向量,是向量的第j个元素,则:
-
语言模型要求的输出是下一个最可能的词,我们可以让循环神经网络计算计算词典中每个词是下一个词的概率,这样,概率最大的词就是下一个最可能的词。因此,神经网络的输出向量也是一个N维向量,向量中的每个元素对应着词典中相应的词是下一个词的概率。
-
Softmax层
-
可以看作概率,放在输出层
- 交叉熵误差
当神经网络的输出层是层时,对应的误差函数通常选择交叉熵误差函数。 当然可以选择其他函数作为我们的误差函数,比如最小平方误差函数(MSE)。但是选择交叉熵函数更加有意义。