【循环神经网络基础】

循环神经网络

学习目标

1. 能够说出循环神经网络的概念和作用
2. 能够说出循环神经网络的类型和应用场景
3. 能够说出LSTM的作用和原理
4. 能够说出GRU的作用和原理

1. 循环神经网络的介绍

为什么有了神经网络还需要有循环神经网络？

在普通的神经网络中，信息的传递是单向的，这种限制虽然使得网络变得更容易学习，但在一定程度上也减弱了神经网络模型的能力。

特别是在很多现实任务中，网络的输出不仅和当前时刻的输入相关，也和其过去一段时间的输出相关。此外，普通网络难以处理时序数据，比如视频、语音、文本等，时序数据的长度一般是不固定的，而前馈神经网络要求输入和输出的维数都是固定的，不能任意改变。因此，当处理这一类和时序相关的问题时，就需要一种能力更强的模型。

循环神经网络（Recurrent Neural Network，RNN）是一类具有短期记忆能力的神经网络。在循环神经网络中，神经元不但可以接受其它神经元的信息，也可以接受自身的信息，形成具有环路的网络结构。

换句话说：神经元的输出可以在下一个时间步直接作用到自身（作为输入）

通过简化图，我们看到RNN比传统的神经网络多了一个循环圈，这个循环表示的就是在下一个时间步（Time Step）上会返回作为输入的一部分，我们把RNN在时间点上展开，得到的图形如下：

或者是：

​ 在不同的时间步，RNN的输入都将与之前的时间状态有关，$t_n$时刻网络的输出结果是该时刻的输入和所有历史共同作用的结果，这就达到了对时间序列建模的目的。

RNN的不同表示和功能可以通过下图看出：

• 图1：固定长度的输入和输出 (e.g. 图像分类)
• 图2：序列输出 (e.g.图像转文字)
• 图3：数列输入 (e.g. 文本分类)
• 图4：异步的序列输入和输出(e.g.文本翻译).
• 图5：同步的序列输入和输出 (e.g. 根据视频的每一帧来对视频进行分类)

2. LSTM和GRU

2.1 LSTM的基础介绍

​ 假如现在有这样一个需求，根据现有文本预测下一个词语，

比如 天上的云朵漂浮在__，通过间隔不远的位置就可以预测出来词语是 天上，但是 对于其他一些句子，可能需要被预测的词语在前100个词语之前，那么此时由于间隔非常大，随着间隔的增加可能会导致真实的预测值对结果的影响变的非常小，而无法非常好的进行预测（RNN中的长期依赖问题（long-Term Dependencies））。那么为了解决这个问题需要LSTM（Long Short-Term Memory网络）LSTM是一种RNN特殊的类型，可以学习长期依赖信息。

在很多问题上，LSTM都取得相当巨大的成功，并得到了广泛的应用。

一个LSTM的单元就是下图中的一个绿色方框中的内容：

其中 $\sigma$ 表示sigmod函数，其他符号的含义：

2.2 LSTM的核心

LSTM的核心在于单元（细胞）中的状态，也就是上图中最上面的那根线。

但是如果只有上面那一条线，那么没有办法实现信息的增加或者删除，所以在LSTM是通过一个叫做 门 的结构实现，门可以选择让信息通过或者不通过。

这个门主要是通过sigmoid和点乘（pointwise multiplication）实现的。

我们都知道，$sigmoid$ 函数的取值范围是在(0,1)之间，如果接近 0 表示不让任何信息通过，如果接近 1 表示所有的信息都会通过。

sigmoid函数图像：

2.3 逐步理解LSTM

2.3.1 遗忘门

遗忘门通过 sigmoid 函数来决定哪些信息会被遗忘。

在下图就是 $h_{t-1}$ 和 $x_t$ 进行合并（concat）之后乘上权重和偏置，通过sigmoid函数，输出0-1之间的一个值，这个值会和前一次的细胞状态($C_{t-1}$) 进行点乘，从而决定遗忘或者保留。

下面公式中的 $[h_{t-1},x_t]$ 表示上一时刻的隐藏状态，$x_t$ 表示当前的输入，表示上一个时间步 $h_{t-1}$的状态值和当前$x_t$ 的输入参数进行合并。

$W_f$：遗忘门的权重矩阵

公式：
$$f_t=\sigma (W_f.[h_{t-1},x_t]+b_f)$$

上面公式解释，这里包含几个部分：

• $h_{t-1}$：上一时刻的隐藏状态（记忆中的“总结”）
• $x_t$：当前时刻的输入（新的信息）
• $[h_{t-1},x_t]$：把它们拼接成一个向量，concat合并
• $W_f$：遗忘门的权重矩阵
• $b_f$：偏置项（bias）
• $\sigma$：sigmoid 函数，输出范围在 (0,1)

那么 $W_f$ 到底是什么？

• 它是一个 可学习的参数矩阵，在模型训练过程中会不断更新。
• 作用：把输入 $[h_{t-1},x_t]$ 映射到 “遗忘门” 的维度。
• 大小：取决于隐藏层单元数。例如，若隐藏层维度是 $n$，而 $[h_{t-1},x_t]$ 的长度是 $m$，那么 $W_f$ 的大小就是 $(n\times m)$。

换句话说，$W_f$ 决定了：

• 当前输入 $x_t$ 和过去记忆 $h_{t-1}$ 对遗忘门的影响有多大。
• 例如，某些词（比如语气词“啊、呢”）可能对语义没什么帮助，$W_f$ 学习后会让遗忘门输出接近 0 → 把它遗忘。
• 而像 “苹果” “银行” 这种关键字，可能输出接近 1 → 保留下来。

通俗类比

你可以把 $W_f$ 理解成 “注意力调节旋钮”：

• 它根据 “旧记忆” 和 “新输入” 的组合，决定当前要忘记多少旧的信息。
• 模型训练时，就像不断调整旋钮，让它学会哪些信息应该记住，哪些要忘掉。

---

✅ 总结：

• $W_f$ 是遗忘门的 权重矩阵，是模型要学习的参数。
• 它的作用是把 $[h_{t-1},x_t]$ 转换成一个“遗忘分数”，用 sigmoid 压缩到 0~1 之间，指导模型在更新记忆时“忘掉多少旧信息”。

---

2.3.2 输入门

在 LSTM 里，输入门的作用是控制 “新信息” 进入记忆单元的多少。

它不像遗忘门那样管理旧记忆，而是决定哪些新的内容值得写进 “ 长期记忆本子 ”。

下一步就是决定哪些新的信息会被保留，这个过程有两步：

1. 一个被称为输入门 的sigmoid 层决定哪些信息会被更新
2. tanh 会创造一个新的候选向量${\tilde{C}}_t$，后续可能会被添加到细胞状态中。
3. 双曲正切函数$tanh$

例如：

我昨天吃了苹果，今天我想吃菠萝，在这个句子中，通过遗忘门可以遗忘苹果，同时更新新的主语为菠萝。

现在就可以更新旧的细胞状态$C_{t-1}$为新的$C_t$ 了。

更新的构成很简单就是：

1. 旧的细胞状态和遗忘门的结果相乘。
2. 然后加上 输入门和tanh相乘的结果。

输入门的作用：

• 作用：决定 哪些新的信息需要写入记忆单元。

• 解释：

  1. $i_t$（输入门系数）：输入门的 “开关系数” ，决定新信息要不要写入（0~1）。
  2. ${\tilde{C}}_t$：一个候选的新信息向量（由 tanh 生成，值在 -1~1），取值范围在 $[-1,1]$。

最终新的记忆会由旧记忆和新信息结合起来：
$$C_t=f_t\ast C_{t-1}+i_t\ast {\tilde{C}}_t$$

• $f_t$：遗忘门输出，表示“旧记忆保留多少”。
• $C_{t-1}$：上一步的细胞状态。
• $i_t\ast {\tilde{C}}_t$：新的信息，经过输入门筛选后写入。

$W_i$ —— 输入门的权重矩阵

• 作用：控制“哪些新信息可以进入记忆”。

• 细节：

  • $W_i$ 把拼接后的向量 $[h_{t-1},x_t]$ 映射到一个和 记忆单元维度相同的向量。
  • 经过 sigmoid 压缩到 $0\sim 1$，形成 输入门系数 $i_t$。
  • $i_t$ 相当于一个“过滤器/开关”，逐元素决定是否允许某一维的新信息写入。

👉 类比：
想象你在做笔记，$W_i$ 就像是你的“注意力分配规则”，它决定哪些内容值得写进笔记，哪些应该忽略。

$W_C$ —— 候选记忆的权重矩阵

• 作用：生成 候选的新信息向量 ${\tilde{C}}_t$。

• 细节：

  • $W_C$ 同样接收 $[h_{t-1},x_t]$，但它的任务不是做“开关”，而是 生成新的候选内容。
  • 经过 $\tanh$ 压缩，范围在 $[-1,1]$，得到可能写入记忆单元的新信息。

👉 类比：
这就像你在读书时，看到一段内容，你脑子里会先把它整理成一个 “候选笔记”。但这个候选笔记 是否写进本子，要看输入门 $i_t$ 是否允许。

---

2.3.3 输出门

最后，我们需要决定什么信息会被输出，也是一样这个输出经过变换之后会通过sigmoid函数的结果来决定那些细胞状态会被输出。

步骤如下：

1. 前一次的输出和当前时间步的输入的组合结果通过sigmoid函数进行处理得到$O_t$
2. 更新后的细胞状态 $C_t$ 会经过tanh层的处理，把数据转化到(-1,1)的区间
3. tanh 处理后的结果和 $O_t$ 进行相乘，把结果输出同时传到下一个 LSTM 的单元

2.4 GRU，LSTM的变形

GRU(Gated Recurrent Unit)，是一种LSTM的变形版本， 它将遗忘和输入门组合成一个“更新门”。它还合并了单元状态和隐藏状态，并进行了一些其他更改，由于他的模型比标准LSTM模型简单，所以越来越受欢迎。

在GRU（门控循环单元）公式中，图像中的各个符号代表以下含义：

• $h_{t-1}$：前一个时间步的隐状态（即时间步 $t-1$ 时的GRU单元输出）。
• $x_t$：当前时间步 $t$ 的输入。
• $W_z,W_r,W$：这些是更新门（$z_t$）、重置门（$r_t$）和候选隐状态（${\tilde{h}}_t$）的权重矩阵，它们是训练过程中学习得到的参数。
• $r_t$：当前时间步 $t$ 的重置门，控制上一时刻隐状态的遗忘程度。
• $z_t$：当前时间步 $t$ 的更新门，控制上一时刻隐状态和候选隐状态的融合程度。
• ${\tilde{h}}_t$：当前时间步 $t$ 的候选隐状态，表示可能的新的隐状态。
• $\sigma$：Sigmoid 激活函数，用于产生0到1之间的值。它被应用于重置门 $r_t$ 和更新门 $z_t$。
• $\tanh$：双曲正切激活函数，输出范围在-1到1之间。它被应用于候选隐状态 ${\tilde{h}}_t$。

GRU的公式结合这些元素来计算时间步 $t$ 的新隐状态 $h_t$，公式如下：

$$h_t=(1-z_t)\ast h_{t-1}+z_t\ast {\tilde{h}}_t$$

该公式表示GRU的最终输出，其中更新门 $z_t$ 控制着多少新的候选隐状态 ${\tilde{h}}_t$ 被与上一时刻的隐状态 $h_{t-1}$ 结合。

LSTM内容参考地址：https://colah.github.io/posts/2015-08-Understanding-LSTMs/

3. 双向LSTM

单向的 RNN，是根据前面的信息推出后面的，但有时候只看前面的词是不够的， 可能需要预测的词语和后面的内容也相关，那么此时需要一种机制，能够让模型不仅能够从前往后的具有记忆，还需要从后往前需要记忆。此时双向LSTM就可以帮助我们解决这个问题

由于是双向LSTM，所以每个方向的LSTM都会有一个输出，最终的输出会有2部分，所以往往需要concat的操作