10. 循环神经网络

10.1 文本数据 RNN 和 CNN *

• NN：TF-IDF，丢失顺序

• CNN：捕捉局部特征，很难学习长距离依赖

• RNN：处理变长&有序，模拟 顺序阅读+记忆能力

  • 每层 $h_t=f(net_t)=f(Ux_t+Wh_{t-1})$，输出 $y=g(Vh_T)$

10.2 RNN 的梯度消失问题 **

• BPTT（Back Propagation Through Time，基于时间的反向传播）

  • $\frac{\partial net_t}{\partial net_{t-1}}=\frac{\partial net_t}{\partial h{t-1}} \frac{\partial h_{t-1}}{\partial net_{t-1}}=W\cdot diag[f'(net_{t-1})]$，称为雅可比矩阵

    • 最大特征值>1，梯度爆炸，梯度裁剪（超过阈值等比收缩）

    • 最大特征值<1，梯度消失，LSTM / GRU

10.3 RNN 能否使用 ReLU ***

• 可以，但需要限制矩阵初值，否则容易引发数值问题（0 / inf）

  • $net_t$ 的表达式中，最终包含 t 个 W 的 连乘，因为每层权重相同

  • 需要将 W 初始化为 单位矩阵

10.4 长短期记忆网络 LSTM ***

语音识别、语言建模、机器翻译、命名实体识别、图像描述文本生成

• 结构

  • 输入门 $i_t=\sigma(W_ix_t+U_ih_{t-1}+b_i)$，当前状态，多大程度更新到记忆单元中
  • 遗忘门 $f_t=\sigma(W_fx_t+U_fh_{t-1}+b_f)$，之前记忆单元中的信息，多大程度被遗忘掉
  • 输出门 $o_t=\sigma(W_o x_t+U_o h_{t-1}+b_o)$，当前输出，多大程度取决于当前记忆单元
  • 内部记忆单元 $\tilde c_t=\tanh(W_cx_t+U_ch_{t-1})$，于是 $c_t=f_t\odot c_{t-1}+i_t\odot \tilde c_t$
  • $h_t=o_t\odot \tanh(c_t)$
• 激活函数

  • sigmoid 输出 01 门控，tanh 输出 -11 分布0中心，这两个函数都是饱和的

  • 计算能力有限的设别，使用 0/1门（hard gate）

10.5 Seq2Seq 模型 ***

机器翻译、语音识别、自动对话

• 思想：输入序列 - 编码 - 解码 - 输出序列

  • 机器翻译：输入 A, B, C, [EOS]，输出 W, X, Y, Z

  • 文本摘要：输入 段落，输出 摘要短句

  • 图像描述文本生成：输入 经过视觉网络的特征，输出 描述短句

  • 语音识别：输入 音频信号，输出 文本

• 核心是 解码环节

  • 贪心法：局部最优解

  • 集束搜素：启发式，每步保留 b 个当前较佳选择，8-12

  • 注意力机制

  • 记忆网络：从外界获取知识

  • 其他：堆叠的 RNN、Dropout 机制、残差连接

10.6 注意力机制 Attention ****

• Seq2Seq，随着输入序列的增长，性能下降，输出损失信息

• 注意力机制，解码时，每个输出依赖于 前一个隐状态 + 每一个输入隐状态

  • $s_i=f(s_{i-1},y_{i-1},c_i)$
  • $p(y_i|y_1,y_2,...,y_{i-1})=g(y_{i-1},s_i,c_i)$
  • 其中 语境向量 $c_i=\sum_{j=1}^T \alpha_{ij}h_j$，是 输入序列 所有隐状态 $h_j$ 的 加权和
  • 其中 注意力权重系数 $\alpha_{ij}=softmax(a(s_{i-1}, h_j))$，是另一个神经网络计算得到的

    • 在生成一个输出词时，会考虑 每个输入词 和 当前输出词 的 对齐关系