循环神经网络RNN&LSTM推导及实现

1. 从神经网络谈起

了解神经网络的都知道，神经网络作为一种非线性模型，在监督学习领域取得了state-of-art的效果，其中反向传播算法的提出居功至伟，到如今仍然是主流的优化神经网络参数的算法. 递归神经网络、卷积神经网络以及深度神经网络作为人工神经网络的"变种"，仍然延续了ANN的诸多特质，如权值连接，激励函数，以神经元为计算单元等，只不过因为应用场景的不同衍生了不同的特性，如：处理变长数据、权值共享等。

为了介绍RNN，先简单的介绍ANN. ANN的结构很容易理解，一般是三层结构（输入层-隐含层-输出层）. 隐含层输出和输出层输出如下。其中为隐含层第个神经元的输入, 为输入层和隐含层的连接权值矩阵，为隐含层和输出层之间的连接权值矩阵.

定义损失函数为 ,其中为样本下标，为第个输出层神经元的输出, 为样本在第个编码值。然后分别对参数、进行求导，可得：

从对的推导可以得到反向传播的核心思路，令误差项 , 则有： .

反向传播的实质是基于梯度下降的优化方法，只不过在优化的过程使用了一种更为优雅的权值更新方式。

2. 循环神经网络

传统的神经网络一般都是全连接结构，且非相邻两层之间是没有连接的。一般而言，定长输入的样本很容易通过神经网络来解决，但是类似于NLP中的序列标注这样的非定长输入，前向神经网络却无能为力。

循环神经网络(Recurrent Neural Network, RNN)可以解决这类问题，RNN一般认为是网络隐层节点之间有相互作用的连接，其实质可以认为是多个具有相同结构和参数的前向神经网络的stacking, 前向神经网络的数目和输入序列的长度一致，且序列中毗邻的元素对应的前向神经网络的隐层之间有互联结构，其图示( 图片来源 )如下.

上图只是一个比较抽象的结构，下面是一个以时间展开的更为具体的结构(图片来源).

从图中可以看出，输出层神经元的输入输出和前向神经网络中没有什么差异，仅仅在于隐层除了要接收输入层的输入外，还需要接受来自于自身的输入(可以理解为t时刻的隐层需要接收来自于t-1时刻隐层的输入, 当然这仅限于单向RNN的情况，在双向RNN还需要接受来自t+1时刻的输入).

RNN的隐层是控制信息传递的重要单元，不同时刻隐层之间的连接权值决定了过去时刻对当前时刻的影响，所以会存在时间跨度过大而导致这种影响会削弱甚至消失的现象，称之为梯度消失，改进一般都是针对隐层做文章，LSTM(控制输入量，补充新的信息然后输出)，GRU(更新信息然后输出)等都是这类的改进算法.

下图为某时刻隐层单元的结构示意图(图片来源).

虽说处理的是不定长输入数据，但是某个时刻的输入还是定长的。令t时刻:输入 ,t隐层输出 , 输出层 , RNN和CNN有着同样的共享权值的属性，输入层到隐层的权值矩阵 , 隐层到输出层的权值矩阵 , 不同时刻隐层自连接权值矩阵 . RNN有着类似于CNN的权值共享特点，所以不同时刻的U,V,W都是相同的，所有整个网络的学习目标就是优化这些参数以及偏置. RNN和普通神经网络一样，也有超过三层的结构，下文的推导仅以三层为例.

3. RNN推导

令隐含层的激励函数 , 输出层的激励函数为 . 则有：

对于单个样本，定义我们的cost function ，其中为t时刻的真实输出，是t时刻的预测输出。则对权值、、的求导分别如下。其中表示隐层单元下标, 表示输出层下标, 表示输入层下标, 表示下一时刻隐含层下标. 表示t时刻隐层第j个神经元的加权输入，表示t时刻输出层第k个神经元的加权输入。

令为t时刻输出层y第k个神经元的误差项，令为t时刻隐含层h第j个神经元的误差项, 则有:

所以不难得到误差方向传递时的权值计算方式：

写成矩阵的形式即是(其中表示矩阵对应位置的元素相乘)：

上述公式其实在了解反向传播之后就能够很容易推导，对于、的推导套用反向传播公式即可，而对于需要加上来自于下一时刻的误差，如以上式子中红色部分所示.

4.RNN实现

推导出了公式，用代码实现就很简单了，可以看到前向传递和反向传播过程中的都用到了矩阵的相关运算，封装好一个矩阵计算的类，然后重载相关的运算符，便可以十分方便的进行相关的计算了。矩阵类的实现见https://github.com/kymo/SUDL/blob/master/matrix/matrix.h ，然后直接按照上述的矩阵运算方式填写代码就可以了，详见：https://github.com/kymo/SUDL/blob/master/rnn/rnn.cpp.

5. LSTM推导

相比于普通的RNN而言，LSTM无非是多了几个门结构，求导的过程略微繁琐一点，但是只要清楚当前待求导变量到输出的路径，变可以依据链式求导法则得到对应的求导公式。LSTM是为了缓解RNN的梯度弥散问题而提出的一种变种模型，之所以能够缓解这个问题，是因为在原始的RNN中，梯度的传递是乘法的过程，如果梯度很小，那么从T时刻传递到后面的梯度只会越来越小，甚至消失，在优化空间中相当于一部分参数进行更新，而另外一部分参数几乎不变，那么问题的较优解也就很难收敛到。而LSTM通过推导会发现，梯度是以一种累加的方式进行反向传递的，从而一定程度上客服了累乘导致的梯度弥散的问题。下面要推导的LSTM 是不加peelhole的结构。要推导LSTM首先要了解LSTM的几个门结构：输入门、输出门以及遗忘门。从传统的神经网络的角度来看的话，三种门分别对应了三个并行的神经网络层，如下图所示（其中蓝色和黄色表示神经元层结构，有输入、输出和相应的激励函数；红色表示向量对应项相乘；淡绿色表示向量加）

三种门的计算方式如下：

另外，LSTM中也引入一个Cell State的中间状态，该状态有选择的保存了过去的历史信息，不会像RNN一样存在越久远的记忆越模糊的问题。该Cell State的更新方式主要是依赖于过去时刻的Cell State( )以及当前时刻产生的新的信息( )，当前产生的新的信息的计算方式如下：

遗忘门用来控制过去时刻的Cell State有多少需要被保留，输入门用来控制增加多少新的信息到Cell State中，公式表述如下：

而的更新则利用了，具体如下：

输出层的计算方式和一般的RNN无异，令输出层、输入门、输出门、遗忘门、新cell state的误差项分别为 , , ，， , 则有：

另外我们也需要定义两个新的中间变量以及，其值为：

so, 另外一波公式来袭~~