淘先锋技术网

首页 1 2 3 4 5 6 7

1. 导读

本节内容介绍普通RNN的弊端,从而引入各种变体RNN,主要讲述GRU与LSTM的工作原理。
事先声明,本人采用ng在课堂上所使用的符号系统,与某些学术文献上的命名有所不同,不过核心思想都是相同的。

2. 普通RNN的弊端

  • 在NLP中,句子内部以及句子之间可能存在很长的依赖关系(long-term dependecies),最前边的单词对句子后面的单词产生影响。但是普通RNN不擅长捕获这种长期依赖关系。因为RNN相当于很深的权重共享的神经网络,因此在反向传播的过程中存在很严重的梯度消失现象,损失函数得到的输出误差很难影响到前面层的计算。
  • 对于深度神经网络,不光存在梯度消失,也存在梯度爆炸的现象,以至于网络参数崩溃(当参数梯度指数级增长时,你会看到很多参数值为NaN,这意味着网络发生了数值溢出)。普通RNN也是如此,但是相比于梯度消失,梯度爆炸比较容易解决,可以采用梯度修剪(gradient clipping)的处理方法。

    梯度修剪,指当梯度向量大于某个阈值时,re-scale梯度向量,保证它不会数值爆炸。

3. GRU

3.1 简化GRU(便于理解)

与普通RNN相比,GRU添加了门控单元,改变了RNN的隐藏层,使得其能更好捕获长距离依赖关系,并且有效解决了梯度消失问题。下面对GRU进行详细的介绍:

  • 在GRU中,人们引入了新的概念,memory cell,用符号\(c\)来表示,其提供了记忆能力。比如在英文句子中,网络能够记住前文的主语是单数还是复数,因此当网络看到之后的动词,仍然可以联想到前文的主语 。
  • 在GRU中,\(t\)时刻有\(c^{<t>}=a^{<t>}\)\(a^{<t>}\)是t时刻的激活值。尽管这两个值相同,我们仍然用两个不同的符号来表示,因为其分别是记忆细胞的值与输出的激活值,在LSTM中二者并不相同。 在每个时间戳,我们将用一个候选值\(\tilde{c}^{<t>}\)重写记忆细胞,每一时刻都对其进行更新。
  • 在每个时间戳\(t\)中,需要用上一时刻的记忆细胞\(c^{<t-1>}\),以及当前时刻的候选值\(\tilde{c}^{<t>}\),来更新当前时刻的记忆细胞\(c^{<t>}\)
  • GRU最重要的思想是让我们拥有了一个叫做\(\gamma_u\)(下标\(u\)代表更新门 )的门,该值位于0到1之间,该门用来决定,在每个时刻该如何更新记忆细胞的值。

以下是简化GRU的计算公式:
\[\tilde{c}^{<t>}=tanh(W_c[c^{<t-1>},x^{<t>}]+b_c)\]
\[\gamma_u = \sigma (W_u[c^{<t-1>},x^{<t>}]+b_u)\]
\[c^{<t>}=\gamma_u * \tilde{c}^{<t>} + (1-\gamma_u) * c^{<t-1>}\]
\[a^{<t>} = c^{<t>}\]

GRU实现细节:

  • \(c^{<t>}\)\(\tilde{c}^{<t>}\)\(\gamma_u\)是具有相同维度的向量,因此在更新\(c^{<t>}\)时,\(\gamma_u * \tilde{c}^{<t>}\)中的\(*\)代表向量间的点乘操作。

3.2 Full GRU (完整版本)

通过上文的介绍,相信你已经对GRU有了简单的理解,出于入门的考虑,上述GRU并不完整,这里将介绍其余下的部分。
以下是完整GRU的计算公式:
\[\tilde{c}^{<t>}=tanh(W_c[\gamma_r * c^{<t-1>},x^{<t>}]+b_c)\]
\[\gamma_u = \sigma (W_u[c^{<t-1>},x^{<t>}]+b_u)\]
\[\gamma_r = \sigma (W_r[c^{<t-1>},x^{<t>}]+b_r)\]
\[c^{<t>}=\gamma_u * \tilde{c}^{<t>} + (1-\gamma_u) * c^{<t-1>}\]
\[a^{<t>} = c^{<t>}\]

这里引入了另一个门\(\gamma_r\)——the relevance gate。

ng在课上讲,可以认为r代表相关性,\(\gamma_r\)门告诉你计算出的\(\tilde{c}^{<t>}\)\(c^{<t-1>}\)有多大的相关性。

我对GRU中“门”这一概念的理解如下:

  • 无论是\(\gamma_u\),还是\(\gamma_r\),其本质都是一个线性函数通过激活函数(sigmoid)得到的激活值,而该线性函数是以\(x^{<t>}\)\(c^{<t-1>}\)作为输入。
  • 也就是说,每个门的向量值是由\(x^{<t>}\)\(c^{<t-1>}\)这两个值以及线性函数的权重、偏置计算得到的。
  • 反向传播通过梯度下降改变线性函数的参数来改变门的向量值。

4. LSTM

LSTM存在很多变体,这里介绍经典LSTM。

4.1 经典LSTM

1223117-20180219212602109-875227520.png

LSTM的计算公式如下所示(\(a^{<t>}\)指时刻t的隐状态):
\[\tilde{c}^{<t>}=tanh(W_c[a^{<t-1>},x^{<t>}]+b_c)\]
\[\gamma_u = \sigma (W_u[a^{<t-1>},x^{<t>}]+b_u)\]
\[\gamma_f = \sigma (W_f[a^{<t-1>},x^{<t>}]+b_f)\]
\[\gamma_o = \sigma (W_o[a^{<t-1>},x^{<t>}]+b_o)\]
\[c^{<t>}=\gamma_u * \tilde{c}^{<t>} + \gamma_f * c^{<t-1>}\]
\[a^{<t>} = \gamma_o * tanh(c^{<t>})\]

LSTM与GRU的区别:

  • LSTM中有三个门,分别是更新门\(\gamma_u\),遗忘门\(\gamma_f\),输出门\(\gamma_o\)
  • LSTM中使用遗忘门\(\gamm_f\),来代替GRU中的系数\((1-\gamma_u)\),这样是的模型更加完备,但是也引入更多的学习参数。
  • LSTM的三个门,实际上是线性函数的激活值(sigmoid),而线性函数的输入是\(a^{t-1}\)\(x^{<t>}\)

有些论文提到了peephole connection这一概念,其目的是为了LSTM在计算门值的时候能够获得上一时刻\(c^{<t-1>}\)的信息,即将线性函数的输入扩增为\(a^{t-1}\)\(x^{<t>}\)\(c^{<t-1>}\)

\(c^{<t-1>}\)\(\gamma_u\)\(\gamma_f\)\(\gamma_o\)是维度相同的向量。\(c^{<t-1>}\)的每个维度,与三个门的每个维度一一对应,\(c^{<t-1>}\)中每个维度的数值只会影响到三个门中对应维度的数值。

转载于:https://www.cnblogs.com/szxspark/p/8453791.html