随时间的反向传播算法 BPTT

本文转自：https://www.cntofu.com/book/85/dl/rnn/bptt.md

随时间反向传播（BPTT）算法

---

先简单回顾一下RNN的基本公式：

 

st=tanh(Uxt+Wst−1)st=tanh⁡(Uxt+Wst−1)

 

 

y^t=softmax(Vst)y^t=softmax(Vst)

 

RNN的损失函数定义为交叉熵损失：

 

Et(yt,y^t)=−ytlogy^tEt(yt,y^t)=−ytlog⁡y^t

 

 

E(y,y^)=∑tEt(yt,y^t)=−∑tytlogy^tE(y,y^)=∑tEt(yt,y^t)=−∑tytlog⁡y^t

 

 

ytyt

是时刻t的样本实际值， 

y^ty^t

是预测值，我们通常把整个序列作为一个训练样本，所以总的误差就是每一步的误差的加和。我们的目标是计算损失函数的梯度，然后通过梯度下降方法学习出所有的参数U, V, W。比如：

∂E∂W=∑t∂Et∂W∂E∂W=∑t∂Et∂W

 

为了更好理解BPTT我们来推导一下公式：

前向 前向传播1：

 

a0=x0∗ua0=x0∗u

 

 

b0=s−1∗wb0=s−1∗w

 

 

z0=a0+b0+kz0=a0+b0+k

 

 

s0=func(z0)s0=func(z0)

 (

funcfunc

 是 sig或者tanh)

 

前向 前向传播2：

 

a1=x1∗ua1=x1∗u

 

 

b1=s0∗wb1=s0∗w

 

 

z1=a1+b1+kz1=a1+b1+k

 

 

s1=func(z1)s1=func(z1)

(

funcfunc

 是 sig 或者tanh)

 

 

q=s1∗v1q=s1∗v1

 

$$z_t = ux_t + ws_{t-1} + k$$

 

st=func(zt)st=func(zt)

 

输出 层：

 

o=func(q)o=func(q)

(

funcfunc

 是 softmax)

 

 

E=func(o)E=func(o)

(

funcfunc

 是 x-entropy)

 

下面 是U的推导

 

∂E/∂u=∂E/∂u1+∂E/∂u0∂E/∂u=∂E/∂u1+∂E/∂u0

 

 

∂E/∂u1=∂E/∂o∗∂o/∂q∗∂q/∂s1∗∂s1/∂z1∗∂z1/∂a1∗∂a1/∂u1∂E/∂u1=∂E/∂o∗∂o/∂q∗∂q/∂s1∗∂s1/∂z1∗∂z1/∂a1∗∂a1/∂u1

 

 

∂E/∂u0=∂E/∂o∗∂o/∂q∗∂q/∂s1∗∂s1/∂z1∗∂z1/∂b1∗∂b1/∂s0∗∂s0/dz0∗∂z0/∂a0∗∂a0/∂u0∂E/∂u0=∂E/∂o∗∂o/∂q∗∂q/∂s1∗∂s1/∂z1∗∂z1/∂b1∗∂b1/∂s0∗∂s0/dz0∗∂z0/∂a0∗∂a0/∂u0

 

 

∂E/∂u=∂E/∂o∗∂o/∂q∗v1∗∂s1/∂z1∗((1∗x1)+(1∗w1∗∂s0/∂z0∗1∗x0))∂E/∂u=∂E/∂o∗∂o/∂q∗v1∗∂s1/∂z1∗((1∗x1)+(1∗w1∗∂s0/∂z0∗1∗x0))

 

 

∂E/∂u=∂E/∂o∗∂o/∂q∗v1∗∂s1/∂z1∗(x1+w1∗∂s0/∂z0∗x0)∂E/∂u=∂E/∂o∗∂o/∂q∗v1∗∂s1/∂z1∗(x1+w1∗∂s0/∂z0∗x0)

 

W参数的推导如下

 

∂E/∂w=∂E/∂o∗∂o/∂q∗v1∗∂s1/∂z1∗(s0+w1∗∂s0/∂z0∗s−1)∂E/∂w=∂E/∂o∗∂o/∂q∗v1∗∂s1/∂z1∗(s0+w1∗∂s0/∂z0∗s−1)

 

总结

 

∂L∂u=∑t∂L∂ut=∂L∂o∂o∂s1∂s1∂u1+∂L∂o∂o∂s1∂s1∂s0∂s0∂u0∂L∂u=∑t∂L∂ut=∂L∂o∂o∂s1∂s1∂u1+∂L∂o∂o∂s1∂s1∂s0∂s0∂u0

 

 

∂L∂w=∑t∂L∂wt=∂L∂o∂o∂s1∂s1∂w1+∂L∂o∂o∂s1∂s1∂s0∂s0∂w0∂L∂w=∑t∂L∂wt=∂L∂o∂o∂s1∂s1∂w1+∂L∂o∂o∂s1∂s1∂s0∂s0∂w0

 

 

xtxt

是时间t的输入