RNN,LSTM,GRU基本原理的个人理解

记录一下对RNN,LSTM,GRU基本原理（正向过程以及简单的反向过程）的个人理解

RNN

Recurrent Neural Networks，循环神经网络
（注意区别于recursive neural network，递归神经网络）

为了解决DNN存在着无法对时间序列上的变化进行建模的问题（如自然语言处理、语音识别、手写体识别），出现的另一种神经网络结构——循环神经网络RNN。

RNN结构

第tt层神经元的输入，除了其自身的输入xtxt，还包括上一层神经元的隐含层输出st−1st−1
每一层的参数U,W,V都是共享的

每一层并不一定都得有输入和输出，如对句子进行情感分析是多到一，文本翻译多到多，图片描述一到多
数学描述

（以下开始符号统一）
回忆一下单隐含层的前馈神经网络
输入为X∈Rn×xX∈Rn×x（n个维度为x的向量）
隐含层输出为
H=ϕ(XWxh+bh)
H=ϕ(XWxh+bh)

输出层输入H∈Rn×hH∈Rn×h
输出为
Y^=softmax(HWhy+by)
Y^=softmax(HWhy+by)

现在对XX、HH、YY都加上时序下标
同时引入一个新权重Whh∈Rh×hWhh∈Rh×h
得到RNN表达式
Ht=ϕ(XtWxh+Ht−1Whh+bh)
Ht=ϕ(XtWxh+Ht−1Whh+bh)
Y^t=softmax(HtWhy+by)
Y^t=softmax(HtWhy+by)

H0H0通常置零
深层RNN和双向RNN

通过时间反向传播和随之带来的问题

输入为xt∈Rxxt∈Rx
不考虑偏置
隐含层变量为
ht=ϕ(Whxxt+Whhht−1)
ht=ϕ(Whxxt+Whhht−1)

输出层变量为
ot=Wyhht
ot=Wyhht

则损失函数为
L=1T∑t=1Tℓ(ot,yt)
L=1T∑t=1Tℓ(ot,yt)
以一个三层为例

三个参数更新公式为
Whx=Whx−η∂L∂Whx
Whx=Whx−η∂L∂Whx
Whh=Whh−η∂L∂Whh
Whh=Whh−η∂L∂Whh
Wyh=Wyh−η∂L∂Wyh
Wyh=Wyh−η∂L∂Wyh

明显的
∂L∂ot=∂ℓ(ot,yt)T⋅∂ot
∂L∂ot=∂ℓ(ot,yt)T⋅∂ot

根据链式法则
∂L∂Wyh=∑t=1Tprod(∂L∂ot,∂ot∂Wyh)=∑t=1T∂L∂oth⊤t
∂L∂Wyh=∑t=1Tprod(∂L∂ot,∂ot∂Wyh)=∑t=1T∂L∂otht⊤

先计算目标函数有关最终时刻隐含层变量的梯度
∂L∂hT=prod(∂L∂oT,∂oT∂hT)=W⊤yh∂L∂oT
∂L∂hT=prod(∂L∂oT,∂oT∂hT)=Wyh⊤∂L∂oT

假设ϕ(x)=xϕ(x)=x（RNN中用激活函数relu还是tanh众说纷纭，有点玄学）
∂L∂ht=prod(∂L∂ht+1,∂ht+1∂ht)+prod(∂L∂ot,∂ot∂ht)=W⊤hh∂L∂ht+1+W⊤yh∂L∂ot
∂L∂ht=prod(∂L∂ht+1,∂ht+1∂ht)+prod(∂L∂ot,∂ot∂ht)=Whh⊤∂L∂ht+1+Wyh⊤∂L∂ot

通项为
∂L∂ht=∑i=tT(W⊤hh)T−iW⊤yh∂L∂oT+t−i
∂L∂ht=∑i=tT(Whh⊤)T−iWyh⊤∂L∂oT+t−i
注意上式，当每个时序训练数据样本的时序长度T较大或者时刻t较小，目标函数有关隐含层变量梯度较容易出现衰减和爆炸

∂L∂Whx=∑t=1Tprod(∂L∂ht,∂ht∂Whx)=∑t=1T∂L∂htx⊤t
∂L∂Whx=∑t=1Tprod(∂L∂ht,∂ht∂Whx)=∑t=1T∂L∂htxt⊤
∂L∂Whh=∑t=1Tprod(∂L∂ht,∂ht∂Whh)=∑t=1T∂L∂hth⊤t−1
∂L∂Whh=∑t=1Tprod(∂L∂ht,∂ht∂Whh)=∑t=1T∂L∂htht−1⊤
梯度裁剪

为了应对梯度爆炸，一个常用的做法是如果梯度特别大，那么就投影到一个比较小的尺度上。θθ为设定的裁剪“阈值”，为标量，若梯度的范数大于此阈值，将梯度缩小，若梯度的范数小于此阈值，梯度不变
g=min(θ∥g∥,1)g
g=min(θ‖g‖,1)g
LSTM

RNN的隐含层变量梯度可能会出现衰减或爆炸。虽然梯度裁剪可以应对梯度爆炸，但无法解决梯度衰减。因此，给定一个时间序列，例如文本序列，循环神经网络在实际中其实较难捕捉两个时刻距离较大的文本元素（字或词）之间的依赖关系。
LSTM（long short-term memory）由Hochreiter和Schmidhuber在1997年被提出。

LSTM结构

这里两张图先不用细看，先着重记住公式后再回来看

数学描述

（同上，符号统一）
设隐含状态长度hh,tt时刻输入Xt∈Rn×xXt∈Rn×x（xx维）及t−1t−1时刻隐含状态Ht−1∈Rn×hHt−1∈Rn×h,
输入门，遗忘门，输出门，候选细胞如下

It=σ(XtWxi+Ht−1Whi+bi)
It=σ(XtWxi+Ht−1Whi+bi)
Ft=σ(XtWxf+Ht−1Whf+bf)
Ft=σ(XtWxf+Ht−1Whf+bf)
Ot=σ(XtWxo+Ht−1Who+bo)
Ot=σ(XtWxo+Ht−1Who+bo)
C~t=tanh(XtWxc+Ht−1Whc+bc)
C~t=tanh(XtWxc+Ht−1Whc+bc)
（思考侯选细胞激活函数的不同）
记忆细胞
Ct=Ft⊙Ct−1+It⊙C~t
Ct=Ft⊙Ct−1+It⊙C~t

想象，如果遗忘门一直近似1且输入门一直近似0，过去的细胞将一直通过时间保存并传递至当前时刻
隐含状态
Ht=Ot⊙tanh(Ct)
Ht=Ot⊙tanh(Ct)

输出同RNN
Y^=softmax(HWhy+by)
Y^=softmax(HWhy+by)
GRU

由Cho、van Merrienboer、 Bahdanau和Bengio在2014年提出，比LSTM少一个门控，实验结果却相当

GRU结构

数学描述

设隐含状态长度hh,tt时刻输入Xt∈Rn×xXt∈Rn×x（xx维）及t−1t−1时刻隐含状态Ht−1∈Rn×hHt−1∈Rn×h,
重置门，更新门如下
Rt=σ(XtWxr+Ht−1Whr+br)
Rt=σ(XtWxr+Ht−1Whr+br)
Zt=σ(XtWxz+Ht−1Whz+bz)
Zt=σ(XtWxz+Ht−1Whz+bz)

候选隐含状态
H~t=tanh(XtWxh+Rt⊙Ht−1Whh+bh)
H~t=tanh(XtWxh+Rt⊙Ht−1Whh+bh)

隐含状态
Ht=Zt⊙Ht−1+(1−Zt)⊙H~t
Ht=Zt⊙Ht−1+(1−Zt)⊙H~t

输出
Y^=softmax(HWhy+by)
Y^=softmax(HWhy+by)
（无力吐槽csdn了，预览和实际用的不一套渲染，公式丑死）
---------------------
作者：lily_knight
来源：CSDN
原文：https://blog.csdn.net/qq_38210185/article/details/79376053
版权声明：本文为博主原创文章，转载请附上博文链接！