Naive RNN vs LSTM vs GRU、attention基础

原文地址：https://www.jianshu.com/p/b8653f8b5b2b

一、Recurrent Neural Network

二、Naive RNN

Naive RNN更新参数时易出现梯度消失/爆炸的问题。

三、LSTM

• peephole

• Naive RNN vs LSTM
  记忆更新部分的操作，Naive RNN为乘法，LSTM为加法。因此LSTM能记得更久些。
  记\(\delta_c^t=\frac{\partial L}{\partial c^t}=\frac{\partial L}{\partial c^{t+1}}\frac{\partial c^{t+1}}{\partial c^t}=\delta_c^{t+1}(z^f+\cdots)\)。当\(z^f=1\)时，即使其他项很小，梯度也能够很好地传达到上一个时刻；当\(z^f=0\)时，上一个时刻的记忆不会影响当前时刻，梯度也不会回传回去。因此，\(z^f\)控制了梯度回传的衰减程度。
  能有效地缓解梯度消失/爆炸问题。

• LSTM设计原因

标准形式的LSTM能工作得很好；输入门与遗忘门联动(类似GRU)以及没有peephole也能工作得很好。
输出激活函数、遗忘门对于LSTM的表现很重要。

四、GRU

与LSTM相比，GRU可以看做是输入门和遗忘门联动。由4个矩阵乘法变为了3个，参数量更少，降低了过拟合的可能性。

五、attention基础

• dot
  \(S_{ab}=h_a^Th_b\)
• general
  \(S_{ab}=h_a^T W h_b\)
• concat
  \(S_{ab}=v^T tanh(W_a h_a+W_b h_b)\)