为什么需要 RNN ？
卷积神经网络 – CNN 和普通的算法大部分都是输入和输出的一一对应，也就是一个输入得到一个输出。不同的输入之间是没有联系的。
在现实生活中，例如对一个演讲进行语音识别，那演讲者每讲一句话的时间几乎都不太相同，而识别演讲者的讲话内容还必须要按照讲话的顺序进行识别。
这就需要有一种能力更强的模型：该模型具有一定的记忆能力，能够按时序依次处理任意长度的信息。这个模型就是今天的主角 “循环神经网络”（Recurrent Neural Networks，简称 RNN）。
RNN 的基本原理
传统神经网络的结构比较简单：输入层 – 隐藏层 – 输出层。如下图所示：
RNN 跟传统神经网络最大的区别在于每次都会将前一次的输出结果，带到下一次的隐藏层中，一起训练。如下图所示：
下面用一个具体的案例来看看 RNN 是如何工作的。
假如需要判断用户的说话意图（问天气、问时间、设置闹钟…），用户说了一句“what time is it？”我们需要先对这句话进行分词：
然后按照顺序输入 RNN ，我们先将 “what”作为 RNN 的输入，得到输出「01」。
然后，我们按照顺序，将“time”输入到 RNN 网络，得到输出「02」。
这个过程我们可以看到，输入 “time” 的时候，前面 “what” 的输出也产生了影响（隐藏层中有一半是黑色的）。
以此类推，前面所有的输入都对未来的输出产生了影响，大家可以看到圆形隐藏层中包含了前面所有的颜色。如下图所示：
当我们判断意图的时候，只需要最后一层的输出「05」，如下图所示：
但是，RNN 的缺点也比较明显。
通过上面的例子，我们已经发现，短期的记忆影响较大（如橙色区域），但是长期的记忆影响就很小（如黑色和绿色区域），这就是 RNN 存在的短期记忆问题。
RNN 有短期记忆问题，无法处理很长的输入序列。训练 RNN 需要投入极大的成本。
RNN 的优化算法
RNN 到 LSTM – 长短期记忆网络
RNN 是一种死板的逻辑，越晚的输入影响越大，越早的输入影响越小，且无法改变这个逻辑。
LSTM 做的最大的改变就是打破了这个死板的逻辑，而改用了一套灵活了逻辑——只保留重要的信息。一个 LSTM 单元的结构，如下图所示：
从上图可以看出，中间有一个 cell（细胞），这也是 LSTM 用于判断信息是否有用的 “处理器”。同时，cell 旁边被放置了三扇门，分别是输入门（Input Gate）、遗忘门（Forget Gate）和输出门（Output Gate）。一个信息进入 LSTM 的网络当中，可以根据规则来判断是否有用，只有符合要求的信息才会被留下，不符合的信息则会通过遗忘门被遗忘。 LSTM 巧妙地通过 “门” 的形式，利用开关实现时间上的记忆功能，是解决长期依赖问题的有效技术。在数字电路中，门（gate）是一个二值变量 {0,1}，0 代表关闭状态、不允许任何信息通过；1 代表开放状态，允许所有信息通过。而 LSTM 中的 “门” 也是类似，但它是一个 “软” 门，介于（0,1）之间，表示以一定的比例使信息通过。
一听起来就不明觉厉，那它是怎么做到的呢？
我们先来看一下 RNN 按时间展开后的简化图，结构很简单，标准 RNN 中的重复模块只包含单一的层，例如 tanh 层，如下图：
LSTM 有着类似的结构，但是重复的模块拥有一个不同的结构，LSTM 中的重复模块包含四个交互的层，其中输入门（Input Gate）、遗忘门（Forget Gate）和输出门（Output Gate）便在这里面，如下图：
下面介绍一下 LSTM 的工作原理，下面会结合结构图和公式进行介绍，回顾一下最基本的单层神经网络的结构图、计算公式如下，表示输入是 x，经过变换 Wx+b 和激活函数 f 得到输出 y。下面会多次出现类似的公式。（本质y=kx+b）
下面以一个语言模型的例子来进行介绍，这个模型是根据已经看到的词来预测下一个词，例如：
小明刚吃完米饭，现在准备要吃水果，然后拿起了一个（）
（1）遗忘门（Forget Gate） 该门的示意图如下，该门会读取 ht-1 和 xt 的信息，通过 sigmoid 层输出一个介于 0 到 1 之间的数值，作为给每个在细胞状态 Ct-1 中的数字，0 表示 “完全舍弃”，1 表示 “完全保留”。
结合上面讲到的语言预测模型例子，“小明刚吃完米饭”，这句话主语是 “小明”，宾语是 “米饭”，下一句话 “现在准备要吃水果”，这时宾语已经变成了新的词 “水果”，那第三句话要预测的词，就是跟 “水果” 有关了，跟 “米饭” 已经没有什么关系，因此，这时便可以利用 “遗忘门” 将 “米饭” 遗忘掉。
（2）输入门（Input Gate） 下一步是确定什么样的新信息被存放在细胞状态中。这里包含两部分： 首先是经过 “输入门”，这一层是决定我们将要更新什么值；然后，一个 tanh 层创建一个新的候选值向量，加入到状态中，如下图：
在这个语言预测模型的例子中，我们希望将新的代词 “水果” 增加到细胞状态中，来替代旧的需要忘记的代词 “米饭”。
现在来更新旧细胞的状态，由 Ct-1 更新为 Ct，更新方式为：（1）把旧状态 Ct-1 与 ft 相乘（回顾一下，ft 就是遗忘门，输出遗忘程度，即 0 到 1 之间的值），丢弃掉需要丢弃的信息（如遗忘门输出 0，则相乘后变成 0，该信息就被丢弃了）；（2）然后再加上 it 与候选值相乘（计算公式见上图）。这两者合并后就变成一个新的候选值。
在这个语言预测模型的例子中，这就是根据前面确定的目标，丢弃旧的代词信息（米饭）并添加新的信息（水果）的地方。
（3）输出门（Output Gate） 最后我们要确定输出什么值，首先，通过一个 sigmoid 层来确定细胞状态的哪个部分将要输出出去，接着，把细胞状态通过 tanh 进行处理（得到一个介于 - 1 到 1 之间的值）并将它和 sigmoid 的输出结果相乘，最终将会仅仅输出我们需要的那部分信息。
在这个语言模型的例子中，因为看到了一个新的代词（水果），可能需要输出与之相关的信息（苹果、梨、香蕉……）。
LSTM总结而言为：抓重点！
举个例子，我们先快速的阅读下面这段话：
当我们快速阅读完之后，可能只会记住下面几个重点：
LSTM 类似上面的划重点，他可以保留较长序列数据中的「重要信息」，忽略不重要的信息。这样就解决了 RNN 短期记忆的问题。
从 LSTM 到 GRU
Gated Recurrent Unit – GRU 是 LSTM 的一个变体。他保留了 LSTM 划重点，遗忘不重要信息的特点，在long-term 传播的时候也不会被丢失。
GRU它将遗忘门和输入门合成了一个单一的更新门，同样还混合了细胞状态和隐藏状态，以及其它一些改动。最终 GRU 模型比标准的 LSTM 模型更简单一些，如下图所示：
相关阅读
发表评论