循環神經網絡產生動機
假設我們現在使用傳統的語言模型來做一個簡單的預測任務，存在這樣一個句子：
讀芯術是一個優秀的公眾號，裡面有着很多有用的信息，我經常在___中尋找信息、獲取知識。
如果我們採用n-gram模型去預測空格的內容，比如2-gram，模型會給出“在”之後出現概率最高的詞。雖然在我們看來，“讀芯術”是高概率的選項，但在訓練了很多資料後，“讀芯術”出現在“在”的後面概率必然是極低的，因為我們一般會說“在家”等常用詞。當然，我們可以將模型看到的範圍繼續擴大，直到在前文中看到讀芯術這個名稱，但是這樣的思路在實踐中並不可行，N越大，馬爾可夫鏈就越長，數據稀疏嚴重，計算困難，更重要的是，我們需要將這個N設定為一個固定的值，這樣就無法處理任意長度的句子。
帶有循環結構的網絡都可以被叫做循環神經網絡（recurrent neural network），RNN可以非常有效的解決這個問題，從簡單的理論上來說，它可以處理任意長度的序列，並且不需要提前將N固定住，靈活性更高。
卷積神經網絡也可以處理時間序列的問題，尤其是在我們關心某些特徵是否出現，而不是它具體位置的時候，CNN具有一定的優勢。但在處理自然語言類型的數據時，比如在情感分類問題中，我們將文本分成正面和負面，CNN在可能會處理成某些詞語的出現就意味着正面情感，比如“喜歡”，“美”，如果這樣一個句子：
我不是不喜歡這部電影，這部電影不能說不美，但是……
我們能很快的知道，這個評價是一個負面評價。那麼如果只提取特徵，而忽略了詞與詞之間的關係，CNN可能會發現文本存在“喜歡”就將其歸為正面，看到“不喜歡”就歸為負面，再看到“不是不喜歡”就又將其歸為正面，顯然是不合理的。這時就需要我們採用語言模型來理解這句話的意思。
理解循環神經網絡
我們經常會在學習資料中見到RNN的圖示：
這幅圖對於初學者來說是不友好的，而且非常容易產生更多的誤解，雖然我們能從中看到時間序列的依賴性，從st-1到st中添加了傳播的箭頭，表示有信息從前面的神經元直接流向後面的神經元，但關於更多問題是這張圖無法告訴我們的，比如：
- 數據是同時進入的嗎？
- 在最開始的時候，第一個單元是否也會接受前一個神經元的輸入？如果是，第一個神經元沒有前一個神經元，那麼這個輸入來源於哪裡？
- 在同一層的隱藏單元中進行傳播的權值矩陣W，以及輸入到隱層的權值矩陣U，隱層到輸出的權值矩陣V，為什麼是相同的？
雖然上圖是一個使用廣泛的示意圖，事實上，更好理解循環結構的方式並非如此。
為了更好的幫助大家理解循環結構，我畫了幾幅草圖。設想一個簡單的前饋神經網絡，輸入、輸出、隱層均只有一個神經元，如下圖。這裡的圓圈沒有任何抽象的含義，一個圓圈就是一個神經元：
當我們輸入時間序列的第一個數據點後，就把這時隱層的值用一個記憶單元存起來，這個記憶單元並不是一個實體，而是一個用來存取東西的結構：
我們存入的memory單元的作用就存取了X1的特徵，當我們輸入時間序列的第二個數據點時，要注意，網絡的結構保持不變，只是我們將memory中的信息也輸入到隱層中，相當於，第二個數據點的隱層接受了數據和第一個數據點的特徵進行輸出，同時將此時隱層的信息返回到memory，再次存起來：
在第三個數據點輸入的時候，memory單元所操作就是前一步得到的信息，並將得到的信息存起來，供下一個時間步的輸入：
這樣依次進行下去，我們就得到了與大家喜聞樂見的那幅圖類似的結構，為了表達先前的信息對現在的影響，我們在輸入memory單元時，採用一個權值矩陣W參數化記憶單元，那麼一一對應關係就變成了：
在這裡，我們將每個圓圈都理解為一個神經元，但如果我們將一個圓圈理解為一層神經元，也就是將其抽象成結構，輸入，隱層，輸出都是多維的，並將其按照時間展開，就會得到：
在此基礎上，我們解釋上述的問題：
- 數據是同時進入的嗎？顯然不是，數據是按照順序進入，我們在處理序列化的數據時，往往會在用滑動窗口的辦法來調整不同的結構。
- 在最開始的時候，第一個單元是否也會接受前一個神經元的輸入？如果是，但第一個神經元沒有前一個神經元，那麼這個輸入來源於哪裡？
我們在第一個數據點進入時，需要對memory單元設置初始值，這個初始值可以作為一個參數，也可以將其簡單的設置為零，表示前面沒有任何信息。 - 在同一層的隱藏單元中進行傳播的權值矩陣W，以及輸入到隱層的權值矩陣U，隱層到輸出的權值矩陣V，為什麼是相同的？
這是一個非常重要的問題，也是我們無法從圖中推斷的知識。大大減少參數數量是一個原因，但不是本質上的。我們先不考慮矩陣W，只考慮普通的神經網絡，因為在序列上不同數據，都是採用相同的神經網絡。CNN用參數共享的卷積核來提取相同的特徵，在RNN中，使用參數共享的U,V來確保相同的輸入產生的輸出是一樣，比如一段文本中，可能會出現大量的“小狗”，參數共享使得神經網絡在輸入“小狗”的時候，產生一樣的隱層和輸出。
此時，我們討論矩陣W，參數共享的矩陣W確保了對於相同的上文，產生相同的下文。
Comments