循环神经网络与应用

循环神经网络

• RNN :循环神经网络，处理的是后续的输出与之前的内容有关联的任务。

• RNN引入“记忆”的概念

• “循环”2字来源于其每个源于都执行相同的任务，但是输出依赖于输入和“记忆”。NMT: neural machine translation

一.场景与多种应用：模仿生成论文（生成序列）

二.层级结构

1. $x_{t}$是时间 $t$处 的输入
2. $S_t$是时间 $t$处的“记忆”， $S_t=f(UX_t+WS_{t-1})$, $f$可以是 $tanh$等
3. $O_t$是时间 $t$处的输出，如果是预测下个词的话，可能是 $softmax$输出的属于每个候选词的概率， $O_t=softmax(VS_t)$
   $W$ 和 $U$是参数的矩阵

• 参数复用：每个时间点上用的 $U$, $V$, $W$都是同一个参数
• $O_t$只与 $S_t$有关系
  结构细节：
• 1.可以把因状态 $S_t$视作“记忆体”，捕捉了之前时间点上的信息；
• 2.输出 $O_t$由当前时间及之前所有的“记忆”共同计算得到；
• 3.实际应用中， $S_t$并不能捕捉和保留之前所有的信息；
• 4.不同于CNN，这里的RNN其实整个神经网络都共享一组参数（ $W$, $U$, $V$）,极大减小了需要训练和预估的参数量；
• 5.图中的 $O_t$在有些任务下是不存在的，比如文本情感分析，其实只需要最后的output结果就行。

三.多种RNN
双向RNN：1.有些情况下，当前的输出不只依赖于之前的序列元素，还可能依赖之后的序列元素。比如从一段话踢掉部分词，让你补全。
直观理解：双向RNN叠加

深层双向RNN和双向RNN的区别是每一步／每个时间点我们设定多层结构

4.BPTT算法
MLP（DNN）与CNN用BP算法求偏导
BPTT和BP是一个思路，不过既然有step，就和时间t有关系

1:16:12处
5.生成模型与图像描述

LSTM
1.长时依赖问题
（Long short-term Memory）
LSTM 是RNN的一种，大体结构几乎一样，区别是：1.它的“记忆细胞”被改造过；2.该记的信息会一直传递，不该记的会被“门”截断。
LSTM关键：“细胞状态”
细胞状态类似于传送带。直接在整个链上运行，只有一些少量的线性交互。信息在上面流传保持不变会很容易
LSTM怎么控制“细胞状态”
通过“门”让信息选择性通过，来去除或者增加信息到细胞状态
包含一个sigmoid神经网络曾和一个pointwise乘法操作
sigmoid层输出0到1之间的概率值，描述每个部分有多少量可以通过。0代表“不允许任何量通过”，1就指“允许任何量通过”

LSTM的几个关键“门”与操作
第一步：决定从“细胞状态”中丢弃什么信息 $=\rightarrow$ “忘记门”
$f_t=\delta(W_t.[h_{t-1},x_t]+b_f)$

第二步：决定放什么新信息到“细胞状态”中
$Sigmoid$ 层决定什么值需要更新
$Tanh$层创建一个新的候选值向量 $\hat{C_t}$
上述2步是为状态更新做准备
$i_t=\delta(W_i.[H_{t-1},x_t]+b_i)$
$\hat{C_t}=tanh(W_c.[h_{t-1},x_t]+bC)$

第三步：更新“细胞状态”
1.更新 $C_{t-1}$为 $C_t$
2.把旧状态与 $f_t$ 相乘，丢弃掉我们确定需要丢弃的信息
3.加上 $i_t*\hat{C_t}$ 。这就是新的候选值，根据我们决定更新每个状态的程度进行变化

第四步：基于“细胞状态”得到输出
1.首先运行一个sigmoid层来确定细胞状态的哪个部分得到输出
2.接着用tanh处理细胞状态（得到一个在-1到1之间的值），再将它和sigmoid门的输出相乘，输出我们确定要输出的那部分。
3.比如我们可能需要单复数信息来确定输出“他”还是“他们”。
$O_t=\delta (W_o[h_{t-1},x_t],b_o)$
$h_t=O_t*tanh(C_t)$

LSTM相较于RNN会较少猪队友的影响，本质是前者求导是加法方式，后者是乘法方式。

变种1:

• 增加“peephole connection”
• 让门层也会接受细胞状态的输入

变种2:

• 通过使用coupled忘记和输入门
• 之前是分开确定需要忘记和添加的信息，这里是一同做出决定。
  $C_t=f_t*C_{t-1}+(1-f_t)*\hat{C_t}$

四.GRU（Gated Recurrent Unit）

• 将忘记门和输入门合成来一个单一的更新门
• 同样还混合来细胞状态和隐藏状态，和其他一些改动
• 比标准LSTM简单

$Z_t=\delta(W_z.[h_{t-1,x_t}])$
$r_t=\delta(W_r.[h_{t-1},x_t])$
$\hat{h_t}=tanh(W.[rt*h_{t-1},x_t])$
$h_t=(1-z_t)*h_{t-1}+z_t*\hat{y_t}$