循環(huán)神經(jīng)網(wǎng)絡(luò)是如何工作的

基于圖展開和參數(shù)共享的思想，我們可以設(shè)計(jì)各種循環(huán)神經(jīng)網(wǎng)絡(luò)。

計(jì)算循環(huán)網(wǎng)絡(luò)（將 x值的輸入序列映射到輸出值 o 的對(duì)應(yīng)序列） 訓(xùn)練損失的計(jì)算圖。損失L 衡量每個(gè) o與相應(yīng)的訓(xùn)練目標(biāo) v 的距離。當(dāng)使用 softmax 輸出時(shí)，我們假設(shè) o 是未歸一化的對(duì)數(shù)概率。損失 L 內(nèi)部計(jì)算，并將其與目標(biāo) y 比較。RNN輸入到隱藏的連接由權(quán)重矩陣 U參數(shù)化，隱藏到隱藏的循環(huán)連接由權(quán)重矩陣 W參數(shù)化以及隱藏到輸出的連接由權(quán)矩陣 V 參數(shù)化。（左） 使用循環(huán)連接繪制的RNN和它的損失。（右） 同一網(wǎng)絡(luò)被視為展開的計(jì)算圖，其中每個(gè)節(jié)點(diǎn)現(xiàn)在與一個(gè)特定的時(shí)間實(shí)例相關(guān)聯(lián)。

循環(huán)神經(jīng)網(wǎng)絡(luò)中一些重要的設(shè)計(jì)模式包括以下幾種：

1. 每個(gè)時(shí)間步都有輸出，并且隱藏單元之間有循環(huán)連接的循環(huán)網(wǎng)絡(luò)，如上圖所示。

2. 每個(gè)時(shí)間步都產(chǎn)生一個(gè)輸出，只有當(dāng)前時(shí)刻的輸出到下個(gè)時(shí)刻的隱藏單元之間

有循環(huán)連接的循環(huán)網(wǎng)絡(luò)。

3. 隱藏單元之間存在循環(huán)連接，但讀取整個(gè)序列后產(chǎn)生單個(gè)輸出的循環(huán)網(wǎng)絡(luò)。

任何圖靈可計(jì)算的函數(shù)都可以通過這樣一個(gè)有限維的循環(huán)網(wǎng)絡(luò)計(jì)算，在這個(gè)意義上上圖的循環(huán)神經(jīng)網(wǎng)絡(luò)是萬能的。RNN經(jīng)過若干時(shí)間步后讀取輸出，這與由圖靈機(jī)所用的時(shí)間步是漸近線性的，與輸入長(zhǎng)度也是漸近線性的 （Siegelmann and Sontag， 1991; Siegelmann， 1995; Siegelmann and Sontag， 1995;Hyotyniemi， 1996）。由圖靈機(jī)計(jì)算的函數(shù)是離散的，所以這些結(jié)果都是函數(shù)的具體實(shí)現(xiàn)，而不是近似。RNN作為圖靈機(jī)使用時(shí)，需要一個(gè)二進(jìn)制序列作為輸入，其輸出必須離散化后提供二進(jìn)制輸出。利用單個(gè)有限大小的特定RNN計(jì)算在此設(shè)置下的所有函數(shù)是可能的（Siegelmann and Sontag （1995） 用了 886 個(gè)單元）。圖靈機(jī)的 ‘‘輸入’’ 是要計(jì)算函數(shù)的詳細(xì)說明 （specification），所以模擬此圖靈機(jī)的相同網(wǎng)絡(luò)足以應(yīng)付所有問題。用于證明的理論RNN可以通過激活和權(quán)重（由無限精度的有理數(shù)表示）來模擬無限堆棧。

現(xiàn)在我們研究上圖中RNN的前向傳播公式。這個(gè)圖沒有指定隱藏單元的激活函數(shù)。我們假設(shè)使用雙曲正切激活函數(shù)。此外，圖中沒有明確指定何種形式的輸出和損失函數(shù)。我們假定輸出是離散的，如用于預(yù)測(cè)詞或字符的RNN。一種代表離散變量的自然方式是把輸出 o作為每個(gè)離散變量可能值的非標(biāo)準(zhǔn)化對(duì)數(shù)概率。然后，我們可以應(yīng)用softmax 函數(shù)后續(xù)處理后，獲得標(biāo)準(zhǔn)化后概率的輸出向量 。RNN從特定的初始狀態(tài) h（0） 開始前向傳播。從 t = 1 到 t = τ 的每個(gè)時(shí)間步，我們應(yīng)用以下更新方程：

其中的參數(shù)的偏置向量 b和 c 連同權(quán)重矩陣 U、V 和 W，分別對(duì)應(yīng)于輸入到隱藏、隱藏到輸出和隱藏到隱藏的連接。這個(gè)循環(huán)網(wǎng)絡(luò)將一個(gè)輸入序列映射到相同長(zhǎng)度的輸出序列。與 x序列配對(duì)的 y 的總損失就是所有時(shí)間步的損失之和。例如，L（t） 為給定的的負(fù)對(duì)數(shù)似然，則

其中， 需要讀取模型輸出向量的項(xiàng)。

關(guān)于各個(gè)參數(shù)計(jì)算這個(gè)損失函數(shù)的梯度是昂貴的操作。梯度計(jì)算涉及執(zhí)行一次前向傳播（如在上圖展開圖中從左到右的傳播），接著是由右到左的反向傳播。運(yùn)行時(shí)間是 O（τ ），并且不能通過并行化來降低，因?yàn)榍跋騻鞑D是固有循序的; 每個(gè)時(shí)間步只能一前一后地計(jì)算。前向傳播中的各個(gè)狀態(tài)必須保存，直到它們反向傳播中被再次使用，因此內(nèi)存代價(jià)也是 O（τ ）。應(yīng)用于展開圖且代價(jià)為 O（τ ） 的反向傳播算法稱為通過時(shí)間反向傳播 （back-propagaTIon through TIme， BPTT）。

此類RNN的唯一循環(huán)是從輸出到隱藏層的反饋連接。在每個(gè)時(shí)間步 t，輸入為，隱藏層激活為。（左） 回路原理圖。（右） 展開的計(jì)算圖。這樣的RNN沒有前面介紹的 RNN 那樣強(qiáng)大（只能表示更小的函數(shù)集合）。上圖中的RNN可以選擇將其想要的關(guān)于過去的任何信息放入隱藏表示 ？ 中并且將 ？ 傳播到未來。該圖中RNN被訓(xùn)練為將特定輸出值放入 o中，并且 o是允許傳播到未來的唯一信息。此處沒有從 h 前向傳播的直接連接。之前的 h僅通過產(chǎn)生的預(yù)測(cè)間接地連接到當(dāng)前。o通常缺乏過去的重要息，除非它非常高維且內(nèi)容豐富。這使得該圖中的RNN不那么強(qiáng)大，但是它更容易訓(xùn)練，因?yàn)槊總€(gè)時(shí)間步可以與其他時(shí)間步分離訓(xùn)練，允許訓(xùn)練期間更多的并行化。

關(guān)于時(shí)間展開的循環(huán)神經(jīng)網(wǎng)絡(luò)，在序列結(jié)束時(shí)具有單個(gè)輸出。這樣的網(wǎng)絡(luò)可以用于概括序列并產(chǎn)生用于進(jìn)一步處理的固定大小的表示。在結(jié)束處可能存在目標(biāo)（如此處所示），或者通過更下游模塊的反向傳播來獲得輸出上的梯度。