机器学习笔记(3): 神经网络初步

· 浏览次数 : 0

小编点评

神经网络是一种由多个神经元组成的计算系统，每个神经元接收来自前一层神经元的输入，并根据激活函数产生输出。神经网络可以处理复杂的非线性问题，广泛应用于图像识别、语音识别等领域。 ### 神经元结构神经元的核心部分是一个加权和激活函数。输入向量 \(\\vec x\) 与权重向量 \(\\omega\) 相乘后加上偏置项 \(b\)，得到神经元的净输入 \(z\)。然后通过激活函数 \(f(\\cdot)\) 计算活性值 \(a\)，即： \[ z = x \\omega + b \] \[ a = f(z) \] 常见的激活函数包括 Logistic 函数（又称 Sigmoid 函数）: \[ \sigma(x) = \frac 1 {1 + \\exp(-x)} \] 以及Tanh函数： \[ \\text{Tanh}(x) = \\frac {\\exp(x) - \\exp(-x)}{\\exp(x) + \\exp(-x)} \] 等等。 ### 网络结构神经网络主要包括三种类型： 1. **前馈网络**：数据流向单一方向，没有循环连接。前馈网络是最简单的神经网络。 2. **记忆网络**：具有短期记忆能力，如长短时记忆网络（LSTM）。 3. **图网络**：适用于处理结构化数据和有向图数据，如卷积神经网络（CNN）和应用在链接预测等任务上的图神经网络（GNN）。 ### 参数学习神经网络参数学习通常采用反向传播算法（Backpropagation），通过最小化损失函数 \(J\) 来调整权重矩阵 \(W\) 和偏置向量 \(b\)： \[ J = \\text{cost}(y, a^L) \] 其中 \(\text{cost}\) 是基于分类标签的交叉熵损失或其他损失函数。通过正向传播与反向传播迭代优化权重和偏置，使得预测输出与真实结果之间的差距最小。算法的关键在于计算每层的误差梯度，并进行参数更新。

正文

神经网络应该由若干神经元组成。

前面的每一个神经元都会给到一个参数，将传递的所有参数看作一个向量 \(\vec x\)，那么此神经元的净输入为：

\[z = x \omega + b \]

其中 \(\omega\) 称为权重向量。

这里认为 \(x\) 是行向量，而 \(\omega\) 是列向量。

神经元还有一个激活函数 \(f(\cdot)\)：

\[a = f(z) \]

称为函数的活性值

一般来说，我们使用 Logistic 函数，即 \(\sigma(x) = \frac 1 {1 + exp(-x)}\) 作为激活函数。

激活函数

激活函数有很多很多种，一般来说要满足以下几点：

连续且可导的非线性函数。
函数本身和其导数要尽可能简单。
值域要在一个合适的区间内

这里列举几种常见的函数。

Sigmoid 型

指一类两端饱和的 S 型曲线。

饱和：
\(\lim_\limits{x \to -\infty} f'(x) = 0\) 称为左饱和，\(\lim_\limits{x \to \infty} f'(x) = 0\) 称为右饱和。
同时满足则称为两端饱和。

常见的 Sigmoid 型函数有 Logistic 和 Tanh。

Logistic 函数

\[\sigma(x) = \frac 1 {1 + \exp(-x)} \]

其导数：

\[\sigma'(x) = \frac {\exp(-x)}{(1 + \exp(-x))^2} = \sigma(x) (1 - \sigma(x)) \]

Tanh 函数

\[{\rm tanh}(x) = \frac {\exp(x) - \exp(-x)}{\exp(x) + \exp(-x)} \]

其可以看作缩放平移后的 \(\sigma\)，因为：

\[{\rm tanh}(x) = 2 \sigma(2x) - 1 \]

自然其导数：

\[{\rm tanh}'(x) = 4 \sigma(2x)(1 - \sigma(2x)) = \frac {4}{(\exp(x) + \exp(-x))^2} \]

实际上我们可以通过近似的方法去拟合这个函数，毕竟 \(e^x\) 也不是那么好算的。

Hard-Logistic 和 Hard-Tanh 函数

\[{\rm hard-\sigma}(x) = \begin{cases} 1 & x > 2 \\ \frac x 4 + \frac 1 2 & x \in [-2, 2] \\ 0 & x < 2 \end{cases} \]

或者利用 \(\min, \max\) 简化：

\[{\rm hard-\sigma}(x) = \max(\min(\frac x 4 + \frac 1 2, 1), 0) \]

类似的：

\[{\rm hard-tanh}(x) = \max(\min(x, 1), -1) \]

ReLU

也就是 Rectified Linear Unit，线性修正单元，定义为：

\[{\rm ReLU}(x) = \begin{cases} x & x \ge 0 \\ 0 & x < 0 \end{cases} \]

也就是 \({\rm ReLU}(x) = \max(x, 0)\)

当然，因为可能出现 死亡 ReLU 问题，所以一般有如下变形：

\[{\rm PReLU}(x) = \begin{cases} x & x \ge 0 \\ \gamma x & x < 0 \end{cases} \]

如果 \(\gamma = 0\) 则退化为 \(\rm ReLU\) 函数，如果 \(\gamma < 1\)，那么也可以写为：

\[{\rm LeakyLU(x)} = \max(x, \gamma x) \]

另一个变形是：

\[{\rm ELU}(x) = \begin{cases} x & x \ge 0 \\ \gamma(\exp(x) - 1) & x < 0 \end{cases} \]

还有一个则是：

\[{\rm Softplus}(x) = \log(1 + \exp(x)) \]

Swish 函数

这是一种自控门函数：

\[{\rm swish}(x) = x \sigma(\beta x) \]

网络结构

网络结构分三种：

前馈网络
记忆网络
图网络

这里先讲述前馈网络。

这是一个前馈网络的示意图，其中第一层为输入层，最后一层为输出层。

而中间的那些层称为隐藏层。隐藏层可以有多个，而这里只画出了一个。

每一层有若干神经元，而两层间的神经元两两相连。

现在我们定义一些符号：

\(L\) 表示总层数，注意这里输入层为第 \(0\) 层，不计入其中；输出层为第 \(L\) 层。
\(M_l\) 表示第 \(l\) 层的神经元数量。
\(f_l(\cdot)\) 表示第 \(l\) 层的激活函数。
\(W^{(l)} \in \mathbb{R}^{M_l \times M_{l - 1}}\) 表示第 \(l - 1\) 层到第 \(l\) 层的权重矩阵（若干权重向量组成）。
\(b^{(l)} \in \mathbb{R}^{M_l}\) 表示第 \(l\) 层的偏置。
\(z^{(l)} \in \mathbb{R}^{M_l}\) 表示净输入。
\(a^{(l)} \in \mathbb{R}^{M_l}\) 表示输出。

对于一组数据 \((\vec x, y)\)，前馈神经网络通过如下算法进行传播：

\[\begin{aligned} z^{(l)} &= W^{(l)} a^{(l - 1)} + b^{(l)} \\ a^{(l)} &= f_l(z^{(l)}) \end{aligned} \]

参数学习

参数学习可能略有点复杂，证明过程我懒得写成 \(\LaTeX\)，这里就省略了。

我们利用反向传播算法进行学习，其步骤如下：

选取一个数据，计算 \(a^{(l)}\) 和 \(z^{(l)}\)。
反向传播每一层的误差 \(\delta^{(l)}\)
计算每一层的偏导数，更新参数

显然的是 \(\delta^{(L)} = a^{(L)} - y\)

经过一番神秘的推导，我们可以得到：

\[\delta^{(l)} = f_l'\left(z^{(l)}\right) \cdot \left( \left( W^{(l + 1)} \right)^T \delta^{(l + 1)} \right) \in \mathbb{R}^{M_l} \]

其中 \(\cdot\) 表示元素一一相乘。

而计算偏导数的公式也不难：

\[\begin{aligned} \frac {\partial}{\partial W^{(l)}} R(W) &= \delta^{(l)} \left( a^{(l - 1)} \right)^T \\ \frac {\partial}{\partial b^{(l)}} R(W) &= \delta^{(l)} \end{aligned} \]

也就是参数更新方式为：

\[\begin{aligned} W^{(l)} &\leftarrow W^{(l)} - \alpha \left( \delta^{(l)} \left( a^{(l - 1)} \right)^T + \lambda W^{(l)} \right) \\ b^{(l)} &\leftarrow b^{(l)} - \alpha \delta^{(l)} \end{aligned} \]

但是值得注意的是，一般我们都会将 \(W^{(l)}\) 的第一列作为 \(b^{(l)}\)，也就是不分开，所以在代码实现上要好生注意！

这是吴恩达机器学习 ex4 的部分代码：

function [J grad] = nnCostFunction(nn_params, ...
                                   input_layer_size, ...
                                   hidden_layer_size, ...
                                   num_labels, ...
                                   X, y, lambda)

% Theta1 25 x 401
% Theta2 10 x 26

Theta1 = reshape(nn_params(1:hidden_layer_size * (input_layer_size + 1)), ...
                 hidden_layer_size, (input_layer_size + 1));

Theta2 = reshape(nn_params((1 + (hidden_layer_size * (input_layer_size + 1))):end), ...
                 num_labels, (hidden_layer_size + 1));
                 
temp1 = Theta1;
temp2 = Theta2;
temp1(:, 1) = 0;
temp2(:, 1) = 0;

m = size(X, 1);
         
J = 0;
Theta1_grad = zeros(size(Theta1));
Theta2_grad = zeros(size(Theta2));

% forward propagation
A2 = sigmoid([ones(m, 1) X] * Theta1'); % m x 25
A3 = sigmoid([ones(m, 1) A2] * Theta2'); % m x 10

% caculate cost
Y = zeros(m, num_labels);
for i = 1:m
	Y(i, y(i)) = 1;
end
J -= sum(sum( log(A3) .* Y + log(1 - A3) .* (1 - Y) ));
J += lambda / 2 * (sum(sum(temp1 .* temp1)) + sum(sum(temp2 .* temp2)));
J /= m;

% Back Propagation

D1 = zeros(size(Theta1));
D2 = zeros(size(Theta2));

for i = 1:m
	a1 = X(i, :); % 1 x 400
	a2 = A2(i, :); % 1 x 25
	a3 = A3(i, :); % 1 x 10
	y = Y(i, :); % 1 x 10
	d3 = (a3 - y)'; % 10 x 1
	d2 = (Theta2' * d3) .* [1 a2]' .* (1 - [1 a2])'; % 26 x 1
	d2 = d2(2:end) ; % 25 x 1
	
	D1 += d2 * [1 a1];
	D2 += d3 * [1 a2];
end

Theta1_grad = (D1 + lambda * temp1) / m;
Theta2_grad = (D2 + lambda * temp2) / m;

% Unroll gradients
grad = [Theta1_grad(:) ; Theta2_grad(:)];

end

复制