《神经网络与深度学习》学习笔记一
《神经网络与深度学习》学习笔记一
本文档整理自邱锡鹏教授的《神经网络与深度学习》教材内容
目录
- 人工智能发展概述
- 深度学习基本概念
- 线性模型与经典算法
人工智能发展概述
AI发展历程
本课程从人工智能的发展历史出发，帮助学习者理解神经网络和深度学习在AI领域中的核心地位。人工智能经历了多个重要发展阶段，从早期的符号主义AI到现代的深度学习，每个阶段都为后续技术的发展奠定了基础。
深度学习框架概览
在当前的深度学习生态中，存在多个重要的开源和商业框架，各自具有不同的特点和应用场景：
- TensorFlow：由Google开发的开源机器学习框架，具有强大的生产部署能力
- PyTorch：由Meta开发的动态计算图框架，因其易用性在研究领域广泛应用
- Keras：高级神经网络API，提供用户友好的接口
- MXNet：支持多种编程语言的深度学习框架
- MindSpore：由华为开发的深度学习框架，专为端边云场景设计，为Ascend AI处理器提供原生支持，实现软硬件协同优化
深度学习基本概念
特征表示与编码方式
独热编码（One-Hot Encoding）
独热编码是一种常见的分类变量表示方法。其核心特点是：
- 每个类别用一个向量表示，向量长度等于类别总数
- 对应类别的位置为1，其余位置为0
- 本质上等同于单维向量的多维表示
示例：对于三分类问题，各类别编码如下：
类别A: [1, 0, 0]
类别B: [0, 1, 0]
类别C: [0, 0, 1]
嵌入（Embedding）
嵌入是将高维的稀疏表示（如独热编码）映射到低维的密集向量空间的过程。
- 本质：嵌入就是一种映射关系，将离散符号映射到连续向量空间
- 优势：降低维度，提高计算效率，发现特征之间的隐含关系
- 应用：广泛用于自然语言处理（词嵌入）和推荐系统等领域
映射示例：
独热编码 [0, 1, 0] ——映射→ 嵌入向量 [0.2, 0.8, 0.1]
端到端学习（End-to-End Learning）
定义
端到端学习（End-to-End Learning）也称为端到端训练，是指在学习过程中不进行分模块或分阶段训练，而是直接优化任务的总体目标。
核心特征
- 整体优化：不将任务分解成多个子任务分别优化，而是在单一目标函数下进行全局优化
- 简化流程：减少中间步骤，从原始输入直接映射到最终输出
- 自动特征学习：网络自动学习所需的中间特征表示，无需人工设计
端到端学习的优势
- 性能提升：全局优化通常能获得更优的整体性能
- 减少误差传播：避免了模块化方法中各阶段错误的累积
- 降低开发成本：无需设计中间表示和多个优化目标
- 更强的适应性：网络能够自动调整内部表示以适应任务需求
应用场景
- 图像识别：从原始像素直接预测物体类别
- 机器翻译：从源语言直接翻译到目标语言
- 自动驾驶：从传感器数据直接输出控制指令
- 语音识别：从声学信号直接输出文本
线性模型与经典算法
概述
线性模型是深度学习的基础。虽然单个线性模型的表达能力有限，但通过堆叠多层线性和非线性变换，可以构建表达能力强大的深度神经网络。
主要线性模型对比
下表总结了常见线性模型的主要特征、激活函数、损失函数和优化方法：
1. 线性回归
| 属性 | 内容 |
|---|---|
| 激活函数 | 恒等函数（Identity）：g(wTx)g(\mathbf{w}^T\mathbf{x})g(wTx) |
| 损失函数 | 均方误差（MSE）：(y−wTx)2(y - \mathbf{w}^T\mathbf{x})^2(y−wTx)2 |
| 优化方法 | 最小二乘法、梯度下降 |
| 用途 | 连续值预测 |
原理：假设输出与输入呈线性关系，通过最小化预测值与真实值的平方差来学习参数。
2. Logistic回归
| 属性 | 内容 |
|---|---|
| 激活函数 | Sigmoid函数：σ(wTx)=11+e−wTx\sigma(\mathbf{w}^T\mathbf{x}) = \frac{1}{1+e^{-\mathbf{w}^T\mathbf{x}}}σ(wTx)=1+e−wTx1 |
| 损失函数 | 交叉熵：−ylogσ(wTx)-\mathbf{y}\log\sigma(\mathbf{w}^T\mathbf{x})−ylogσ(wTx) |
| 优化方法 | 梯度下降 |
| 用途 | 二分类问题 |
原理：虽然名称含有"回归"，但Logistic回归是一个分类模型。通过Sigmoid函数将线性模型的输出压缩到(0,1)区间，表示正类的概率。
3. Softmax回归
| 属性 | 内容 |
|---|---|
| 激活函数 | Softmax函数：softmax(WTx)\text{softmax}(\mathbf{W}^T\mathbf{x})softmax(WTx) |
| 损失函数 | 交叉熵：−ylogsoftmax(WTx)-\mathbf{y}\log\text{softmax}(\mathbf{W}^T\mathbf{x})−ylogsoftmax(WTx) |
| 优化方法 | 梯度下降 |
| 用途 | 多分类问题 |
原理：Softmax是Sigmoid的多分类推广。对多个类别的线性输出进行指数化和归一化，得到各类别的概率分布。
Softmax函数公式：
softmaxi(z)=ezi∑jezj\text{softmax}_i(\mathbf{z}) = \frac{e^{z_i}}{\sum_j e^{z_j}}softmaxi(z)=∑jezjezi
4. 感知器（Perceptron）
| 属性 | 内容 |
|---|---|
| 激活函数 | 符号函数：sgn(wTx)\text{sgn}(\mathbf{w}^T\mathbf{x})sgn(wTx) |
| 损失函数 | 感知器损失 |
| 优化方法 | 梯度下降 |
| 用途 | 二分类问题 |
原理：最早的神经网络模型，使用符号函数作为激活函数，输出为-1或1。对线性可分的问题有很好的效果。
5. 支持向量机（SVM）
| 属性 | 内容 |
|---|---|
| 激活函数 | 符号函数：sgn(wTx)\text{sgn}(\mathbf{w}^T\mathbf{x})sgn(wTx) |
| 损失函数 | Hinge损失：max(0,−ywTx)\max(0, -y\mathbf{w}^T\mathbf{x})max(0,−ywTx) 或 max(0,1−ywTx)\max(0, 1-y\mathbf{w}^T\mathbf{x})max(0,1−ywTx) |
| 优化方法 | 随机梯度下降、二次规划、SMO等 |
| 用途 | 二分类和多分类问题 |
原理：通过最大化分类间隔来学习最优的决策边界。Hinge损失只在预测错误或置信度不足时产生损失。
各模型的关键激活函数详解
Sigmoid函数
σ(z)=11+e−z\sigma(z) = \frac{1}{1+e^{-z}}σ(z)=1+e−z1
- 特点：将任意输入映射到(0,1)区间
- 导数：σ′(z)=σ(z)(1−σ(z))\sigma'(z) = \sigma(z)(1-\sigma(z))σ′(z)=σ(z)(1−σ(z))
- 缺点：梯度消失问题，易导致网络学习缓慢
Softmax函数
将向量z=[z1,z2,…,zK]\mathbf{z} = [z_1, z_2, \ldots, z_K]z=[z1,z2,…,zK]映射到概率分布：
softmax(z)i=ezi∑j=1Kezj\text{softmax}(\mathbf{z})_i = \frac{e^{z_i}}{\sum_{j=1}^K e^{z_j}}softmax(z)i=∑j=1Kezjezi
- 特点：输出为概率分布，各分量和为1
- 应用：多分类问题的标准选择
损失函数与优化目标
均方误差（MSE）
L=1n∑i=1n(yi−y^i)2L = \frac{1}{n}\sum_{i=1}^n (y_i - \hat{y}_i)^2L=n1i=1∑n(yi−y^i)2
适用于回归问题，度量预测值与真实值的平方差。
交叉熵（Cross-Entropy）
对于二分类（Logistic回归）：
L=−[ylogy^+(1−y)log(1−y^)]L = -[y\log\hat{y} + (1-y)\log(1-\hat{y})]L=−[ylogy^+(1−y)log(1−y^)]
对于多分类（Softmax回归）：
L=−∑i=1Kyilogy^iL = -\sum_{i=1}^K y_i\log\hat{y}_iL=−i=1∑Kyilogy^i
其中yiy_iyi是独热编码的真实标签，y^i\hat{y}_iy^i是模型预测的概率。
优势：相比MSE，交叉熵更适合分类问题，梯度性质更好，有助于加速收敛。
Hinge损失
L=max(0,1−y⋅y^)L = \max(0, 1 - y \cdot \hat{y})L=max(0,1−y⋅y^)
其中y∈{−1,1}y \in \{-1, 1\}y∈{−1,1}是真实标签，y^\hat{y}y^是预测的决策函数值。
- 特点：只在分类错误或置信度不足时产生损失
- 应用：支持向量机的标准损失函数
- 优势：稀疏性，只有支持向量对决策边界有影响
优化方法概览
最小二乘法
直接求解使损失函数最小的参数的解析解：
w∗=(XTX)−1XTy\mathbf{w}^* = (\mathbf{X}^T\mathbf{X})^{-1}\mathbf{X}^T\mathbf{y}w∗=(XTX)−1XTy
适用场景：线性回归，数据量较小，矩阵可逆的情况。
梯度下降（Gradient Descent）
参数更新规则：
w←w−α∇L(w)\mathbf{w} \leftarrow \mathbf{w} - \alpha \nabla L(\mathbf{w})w←w−α∇L(w)
其中α\alphaα是学习率，∇L(w)\nabla L(\mathbf{w})∇L(w)是损失函数的梯度。
变体：
- 批量梯度下降（BGD）：每次更新使用全部数据
- 随机梯度下降（SGD）：每次更新使用单个样本
- 小批量梯度下降（Mini-batch GD）：每次更新使用小批量数据
随机梯度下降（SGD）
w←w−α∇L(w,xi)\mathbf{w} \leftarrow \mathbf{w} - \alpha \nabla L(\mathbf{w}, x_i)w←w−α∇L(w,xi)
其中只使用单个样本xix_ixi计算梯度。
优势：计算高效，在线学习能力强；引入的噪声有助于逃离局部最优。
二次规划与SMO
二次规划：用于求解支持向量机的对偶问题。
SMO（Sequential Minimal Optimization）：一种高效的SVM训练算法，每次只优化两个拉格朗日乘数，大大降低了计算复杂度。
总结
本篇学习笔记介绍了神经网络与深度学习的基础内容：
- 理论基础：理解了特征表示（独热编码和嵌入）与端到端学习的核心概念
- 经典模型：掌握了线性回归、Logistic回归、Softmax回归、感知器和SVM的基本原理
- 关键技术：了解了激活函数、损失函数和优化方法在不同模型中的应用
- 深度学习框架：认识了主流的深度学习框架及其特点
这些基础知识为后续学习多层神经网络、卷积神经网络、循环神经网络等深度学习模型奠定了坚实的理论基础。