神经网络是由一个个的被称为“神经元”的基本单元构成,单个神经元的结构如下图所示:
对于上述的神经元,其输入为x1x1x_1,x2x2x_2,x3x3x_3以及截距+1+1+1,其输出为:
hW,b(x)=f(WTx)=f(∑i=13Wixi+b)hW,b(x)=f(WTx)=f(∑i=13Wixi+b)
h_{\mathbf{W},b}\left ( \mathbf{x} \right )=f\left ( \mathbf{W}^T\mathbf{x} \right )=f\left ( \sum_{i=1}^{3}W_ix_i+b \right )
其中,WW\mathbf{W}表示的是向量,代表的是权重,函数fff称为激活函数,通常激活函数可以选择为Sigmoid函数,或者tanh双曲正切函数,其中,Sigmoid函数的形式为:
f(z)=11+e−zf(z)=11+e−z
f\left ( z \right )=\frac{1}{1+e^{-z}}
双曲正切函数的形式为:
f(z)=tanh(z)=ez−e−zez+e−zf(z)=tanh(z)=ez−e−zez+e−z
f\left ( z \right )=tanh\left ( z \right )=\frac{e^{z}-e^{-z}}{e^z+e^{-z}}
以下分别是Sigmoid函数和tanh函数的图像,左边为Sigmoid函数的图像,右边为tanh函数的图像:
Sigmoid函数的区间为[0,1][0,1]\left [ 0,1 \right ],而tanh函数的区间为[−1,1][−1,1]\left [ -1,1 \right ]。
若是使用sigmoid作为神经元的激活函数,则当神经元的输出为111时表示该神经元被激活,否则称为未被激活。同样,对于激活函数是tanh时,神经元的输出为111时表示该神经元被激活,否则称为未被激活。
神经网络是由很多的神经元联结而成的,一个简单的神经网络的结构如下图所示:
其中一个神经元的输出是另一个神经元的输入,+1+1+1项表示的是偏置项。上图是含有一个隐含层的神经网络模型,L1L1L_1层称为输入层,L2L2L_2层称为隐含层,L3L3L_3层称为输出层。
在神经网络中,主要有如下的一些参数标识:
在神经网络中,一个神经元的输出是另一个神经元的输入。假设z(l)izi(l)z^{(l)}_i表示的是第lll层的第iii个神经元的输入,假设a(l)iai(l)a^{(l)}_i表示的是第lll层的第iii个神经元的输出,其中,当l=1l=1l=1时,a(1)i=xiai(1)=xia^{(1)}_i=x_i。根据上述的神经网络中的权重和偏置,就可以计算神经网络中每一个神经元的输出,从而计算出神经网络的最终的输出hW,bhW,bh_{\mathbf{W},\mathbf{b}}。
对于上述的神经网络结构,有下述的计算:
z(2)1=W(1)11x1+W(1)12x2+W(1)13x3+b(1)1z1(2)=W11(1)x1+W12(1)x2+W13(1)x3+b1(1)
z^{(2)}_1=W^{(1)}_{11}x_1+W^{(1)}_{12}x_2+W^{(1)}_{13}x_3+b^{(1)}_1
a(2)1=f(W(1)11x1+W(1)12x2+W(1)13x3+b(1)1)a1(2)=f(W11(1)x1+W12(1)x2+W13(1)x3+b1(1))
a^{(2)}_1=f\left ( W^{(1)}_{11}x_1+W^{(1)}_{12}x_2+W^{(1)}_{13}x_3+b^{(1)}_1 \right )
z(2)2=W(1)21x1+W(1)22x2+W(1)23x3+b(1)2z2(2)=W21(1)x1+W22(1)x2+W23(1)x3+b2(1)
z^{(2)}_2=W^{(1)}_{21}x_1+W^{(1)}_{22}x_2+W^{(1)}_{23}x_3+b^{(1)}_2
a(2)2=f(W(1)21x1+W(1)22x2+W(1)23x3+b(1)2)a2(2)=f(W21(1)x1+W22(1)x2+W23(1)x3+b2(1))
a^{(2)}_2=f\left ( W^{(1)}_{21}x_1+W^{(1)}_{22}x_2+W^{(1)}_{23}x_3+b^{(1)}_2 \right )
z(2)3=W(1)31x1+W(1)32x2+W(1)33x3+b(1)3z3(2)=W31(1)x1+W32(1)x2+W33(1)x3+b3(1)
z^{(2)}_3=W^{(1)}_{31}x_1+W^{(1)}_{32}x_2+W^{(1)}_{33}x_3+b^{(1)}_3
a(2)3=f(W(1)31x1+W(1)32x2+W(1)33x3+b(1)3)a3(2)=f(W31(1)x1+W32(1)x2+W33(1)x3+b3(1))
a^{(2)}_3=f\left ( W^{(1)}_{31}x_1+W^{(1)}_{32}x_2+W^{(1)}_{33}x_3+b^{(1)}_3 \right )
从而,上述神经网络结构的最终的输出结果为:
hW,b(x)=f(W(2)11a(2)1+W(2)12a(2)2+W(2)13a(2)3+b(2)1)hW,b(x)=f(W11(2)a1(2)+W12(2)a2(2)+W13(2)a3(2)+b1(2))
h_{\mathbf{W},\mathbf{b}}\left ( \mathbf{x} \right )=f\left ( W^{(2)}_{11}a_1^{(2)}+W^{(2)}_{12}a_2^{(2)}+W^{(2)}_{13}a_3^{(2)}+b^{(2)}_1 \right )
上述的步骤称为前向传播,指的是信号从输入层,经过每一个神经元,直到输出神经元的传播过程。
上述以单隐层神经网络为例介绍了神经网络的基本结构,在神经网络的结构中,可以包含多个隐含层,神经网络的输出神经单元也可以是多个,如下面的含多隐层多输出单元的神经网络模型:
对于上述神经网络模型,假设有mmm个训练样本{(x(1),y(1)),⋯,(x(m),y(m))}{(x(1),y(1)),⋯,(x(m),y(m))}\left \{ \left (\mathbf{x}^{(1)},y^{(1)} \right ),\cdots , \left (\mathbf{x}^{(m)},y^{(m)} \right )\right \},对于一个训练样本(x,y)(x,y)\left ( \mathbf{x},y \right ),其损失函数为:
J(W,b;x,y)=12‖‖hW,b(x)−y‖‖2J(W,b;x,y)=12‖hW,b(x)−y‖2
J\left ( \mathbf{W},\mathbf{b};\mathbf{x},y \right )=\frac{1}{2}\left \| h_{\mathbf{W},\mathbf{b}}\left ( \mathbf{x} \right )-y \right \|^2
为了防止模型的过拟合,在损失函数中会加入正则项,即:
J=loss+RJ=loss+R
J = loss + R
其中,losslossloss表示的是损失函数,RRR表示的是正则项。则对于上述的含有mmm个样本的训练集,其损失函数为:
J(W,b)=[1m∑i=1mJ(W,b;x(i),y(i))]+λ2∑l=1nl−1∑i=1sl∑j=1sl+1(W(l)ij)2J(W,b)=[1m∑i=1mJ(W,b;x(i),y(i))]+λ2∑l=1nl−1∑i=1sl∑j=1sl+1(Wij(l))2
J\left ( \mathbf{W},\mathbf{b} \right )=\left [ \frac{1}{m}\sum_{i=1}^{m}J\left ( \mathbf{W},\mathbf{b};\mathbf{x}^{(i)},y^{(i)} \right ) \right ]+\frac{\lambda }{2}\sum_{l=1}^{n_l-1}\sum_{i=1}^{s_l}\sum_{j=1}^{s_{l+1}}\left ( W^{(l)}_{ij} \right )^2
通常,偏置项并不放在正则化中,因为在正则化中放入偏置项只会对神经网络产生很小的影响。
我们的目标是要求得参数WW\mathbf{W}和参数bb\mathbf{b}以使得损失函数J(W,b)J(W,b)J\left ( \mathbf{W},\mathbf{b} \right )达到最小值。首先需要对参数进行随机初始化,即将参数初始化为一个很小的接近000的随机值。
参数的初始化有很多不同的策略,基本的是要在000附近的很小的邻域内取得随机值。
在随机初始化参数后,利用前向传播得到预测值hW,b(x)hW,b(x)h_{\mathbf{W},\mathbf{b}}\left ( \mathbf{x} \right ),进而可以得到损失函数,此时需要利用损失函数对其参数进行调整,可以使用梯度下降的方法,梯度下降对参数的调整如下:
W(l)ij=W(l)ij−α∂∂W(l)ijJ(W,b)Wij(l)=Wij(l)−α∂∂Wij(l)J(W,b)
W^{(l)}_{ij}=W^{(l)}_{ij}-\alpha \frac{\partial }{\partial W^{(l)}_{ij}}J\left ( \mathbf{W},\mathbf{b} \right )
b(l)i=b(l)i−α∂∂b(l)iJ(W,b)bi(l)=bi(l)−α∂∂bi(l)J(W,b)
b^{(l)}_{i}=b^{(l)}_{i}-\alpha \frac{\partial }{\partial b^{(l)}_{i}}J\left ( \mathbf{W},\mathbf{b} \right )
其中,αα\alpha 称为学习率,在计算参数的更新公式中,需要使用到反向传播算法。
而∂∂W(l)ijJ(W,b)∂∂Wij(l)J(W,b)\frac{\partial }{\partial W^{(l)}_{ij}}J\left ( \mathbf{W},\mathbf{b} \right ),∂∂b(l)iJ(W,b)∂∂bi(l)J(W,b)\frac{\partial }{\partial b^{(l)}_{i}}J\left ( \mathbf{W},\mathbf{b} \right )的具体形式如下:
∂∂W(l)ijJ(W,b)=[1m∑i=1m∂∂W(l)ijJ(W,b;x(i),y(i))]+λW(l)ij∂∂Wij(l)J(W,b)=[1m∑i=1m∂∂Wij(l)J(W,b;x(i),y(i))]+λWij(l)
\frac{\partial }{\partial W^{(l)}_{ij}}J\left ( \mathbf{W},\mathbf{b} \right )=\left [ \frac{1}{m}\sum_{i=1}^{m}\frac{\partial }{\partial W^{(l)}_{ij}}J\left ( \mathbf{W},\mathbf{b};\mathbf{x}^{(i)},y^{(i)} \right ) \right ]+\lambda W_{ij}^{(l)}
∂∂b(l)iJ(W,b)=1m∑i=1m∂∂b(l)iJ(W,b;x(i),y(i))∂∂bi(l)J(W,b)=1m∑i=1m∂∂bi(l)J(W,b;x(i),y(i))
\frac{\partial }{\partial b^{(l)}_{i}}J\left ( \mathbf{W},\mathbf{b} \right )=\frac{1}{m}\sum_{i=1}^{m}\frac{\partial }{\partial b^{(l)}_{i}}J\left ( \mathbf{W},\mathbf{b};\mathbf{x}^{(i)},y^{(i)} \right )
反向传播算法的思路如下:对于给定的训练数据(x,y)(x,y)\left ( \mathbf{x},y \right ),通过前向传播算法计算出每一个神经元的输出值,当所有神经元的输出都计算完成后,对每一个神经元计算其“残差”,如第lll层的神经元iii的残差可以表示为δ(l)iδi(l)\delta ^{(l)}_i。该残差表示的是该神经元对最终的残差产生的影响。这里主要分为两种情况,一是神经元为输出神经元,第二是神经元为非输出神经元。这里假设z(l)izi(l)z^{(l)}_i表示第lll层上的第iii个神经元的输入加权和,假设a(l)iai(l)a^{(l)}_i表示的是第lll层上的第iii个神经元的输出, 即a(l)i=f(z(l)i)ai(l)=f(zi(l))a^{(l)}_i=f\left ( z^{(l)}_i \right )。
δ(nl)i=∂∂znliJ(W,b;x,y)=∂∂znli12‖‖y−hW,b(x)‖‖2=∂∂znli12∑snli=1‖‖yi−anli‖‖2=(yi−anli)⋅(−1)⋅∂∂znlianli=−(yi−anli)⋅f′(znli)δi(nl)=∂∂zinlJ(W,b;x,y)=∂∂zinl12‖y−hW,b(x)‖2=∂∂zinl12∑i=1snl‖yi−ainl‖2=(yi−ainl)⋅(−1)⋅∂∂zinlainl=−(yi−ainl)⋅f′(zinl)
\begin{matrix} \delta _i^{(n_l)}=\frac{\partial }{\partial z_i^{n_l}}J\left ( \mathbf{W},\mathbf{b};\mathbf{x},y \right )\\ =\frac{\partial }{\partial z_i^{n_l}}\frac{1}{2}\left \| y-h_{\mathbf{W},\mathbf{b}}\left ( \mathbf{x} \right ) \right \|^2\\ =\frac{\partial }{\partial z_i^{n_l}}\frac{1}{2}\sum_{i=1}^{s_{n_l}}\left \| y_i-a_i^{n_l} \right \|^2\\ =\left ( y_i-a_i^{n_l} \right )\cdot \left ( -1 \right )\cdot \frac{\partial}{\partial z_i^{n_l}}a_i^{n_l}\\ =-\left ( y_i-a_i^{n_l} \right )\cdot {f}'\left ( z_i^{n_l} \right ) \end{matrix}
-对于非输出层,即对于l=nl−1,nl−2,⋯,2l=nl−1,nl−2,⋯,2l=n_{l-1},n_{l-2},\cdots ,2各层,第lll层的残差的计算方法如下(以第nl−1nl−1n_{l-1}层为例):
δ(nl−1)i=∂∂znl−1iJ(W,b;x,y)=∂∂znl−1i12‖‖y−hW,b(x)‖‖2=∂∂znl−1i12∑snlj=1‖‖yj−anlj‖‖2=12∑snlj=1∂∂znl−1i‖‖yj−anlj‖‖2=12∑snlj=1∂∂znlj‖‖yj−anlj‖‖2⋅∂∂znl−1iznlj=∑snlj=1δ(nl)j⋅∂∂znl−1iznlj=∑snlj=1(δ(nl)j⋅∂∂znl−1i∑snl−1k=1f(znl−1k)⋅Wnl−1jk)=∑snlj=1(δ(nl)j⋅Wnl−1ji⋅f′(znl−1i))=(∑snlj=1δ(nl)j⋅Wnl−1ji)⋅f′(znl−1i)δi(nl−1)=∂∂zinl−1J(W,b;x,y)=∂∂zinl−112‖y−hW,b(x)‖2=∂∂zinl−112∑j=1snl‖yj−ajnl‖2=12∑j=1snl∂∂zinl−1‖yj−ajnl‖2=12∑j=1snl∂∂zjnl‖yj−ajnl‖2⋅∂∂zinl−1zjnl=∑j=1snlδj(nl)⋅∂∂zinl−1zjnl=∑j=1snl(δj(nl)⋅∂∂zinl−1∑k=1snl−1f(zknl−1)⋅Wjknl−1)=∑j=1snl(δj(nl)⋅Wjinl−1⋅f′(zinl−1))=(∑j=1snlδj(nl)⋅Wjinl−1)⋅f′(zinl−1)
\begin{matrix} \delta _i^{(n_{l-1})}=\frac{\partial }{\partial z_i^{n_{l-1}}}J\left ( \mathbf{W},\mathbf{b};\mathbf{x},y \right )\\ =\frac{\partial }{\partial z_i^{n_{l-1}}}\frac{1}{2}\left \| y-h_{\mathbf{W},\mathbf{b}}\left ( \mathbf{x} \right ) \right \|^2\\ =\frac{\partial }{\partial z_i^{n_{l-1}}}\frac{1}{2}\sum_{j=1}^{s_{n_l}}\left \| y_j-a_j^{n_l} \right \|^2\\ =\frac{1}{2}\sum_{j=1}^{s_{n_l}}\frac{\partial }{\partial z_i^{n_{l-1}}}\left \| y_j-a_j^{n_l} \right \|^2\\ =\frac{1}{2}\sum_{j=1}^{s_{n_l}}\frac{\partial }{\partial z_j^{n_{l}}}\left \| y_j-a_j^{n_l} \right \|^2\cdot \frac{\partial }{\partial z_i^{n_{l-1}}}z_j^{n_{l}}\\ =\sum_{j=1}^{s_{n_l}}\delta _j^{(n_l)}\cdot \frac{\partial }{\partial z_i^{n_{l-1}}}z_j^{n_{l}}\\ =\sum_{j=1}^{s_{n_l}}\left ( \delta _j^{(n_l)}\cdot \frac{\partial }{\partial z_i^{n_{l-1}}}\sum_{k=1}^{s_{n_{l-1}}}f\left ( z_k^{n_{l-1}} \right )\cdot W_{jk}^{n_{l-1}} \right )\\ =\sum_{j=1}^{s_{n_l}}\left ( \delta _j^{(n_l)}\cdot W_{ji}^{n_{l-1}}\cdot {f}'\left ( z_i^{n_{l-1}} \right )\right )\\ =\left (\sum_{j=1}^{s_{n_l}} \delta _j^{(n_l)}\cdot W_{ji}^{n_{l-1}}\right )\cdot {f}'\left ( z_i^{n_{l-1}} \right ) \end{matrix}
因此有:
δ(l)i=(∑j=1sl+1δ(l+1)j⋅W(l)ji)⋅f′(z(l)i)δi(l)=(∑j=1sl+1δj(l+1)⋅Wji(l))⋅f′(zi(l))
\delta _i^{(l)}=\left (\sum_{j=1}^{s_{l+1}} \delta _j^{(l+1)}\cdot W_{ji}^{(l)}\right )\cdot {f}'\left ( z_i^{(l)} \right )
对于神经网络中的权重和偏置的更新公式为:
∂∂W(l)ijJ(W,b;x,y)=a(l)jδ(l+1)i∂∂Wij(l)J(W,b;x,y)=aj(l)δi(l+1)
\frac{\partial }{\partial W_{ij}^{(l)}}J\left ( \mathbf{W},\mathbf{b};\mathbf{x},y \right )=a_j^{(l)}\delta _i^{(l+1)}
∂∂b(l)iJ(W,b;x,y)=δ(l+1)i∂∂bi(l)J(W,b;x,y)=δi(l+1)
\frac{\partial }{\partial b_{i}^{(l)}}J\left ( \mathbf{W},\mathbf{b};\mathbf{x},y \right )=\delta _i^{(l+1)}
对于神经网络的学过程,大致分为如下的几步:
1、英文版:UFLDL Tutorial
2、中文版:UFLDL教程