Processing math: 0%

多层感知机及其BP算法(Multi-Layer Perception)

Deep Learning 近年来在各个领域都取得了 state-of-the-art 的效果,对于原始未加工且单独不可解释的特征尤为有效,传统的方法依赖手工选取特征,而 Neural Network 可以进行学习,通过层次结构学习到更利于任务的特征。得益于近年来互联网充足的数据,计算机硬件的发展以及大规模并行化的普及。本文主要简单回顾一下 MLP ,也即为Full-connection Neural Network ,网络结构如下,分为输入,隐层与输出层,除了输入层外,其余的每层激活函数均采用 sigmod ,MLP 容易受到局部极小值与梯度弥散的困扰,如下图所示:

MLP 的 Forward Pass

MLP 的 BP 算法基于经典的链式求导法则,首先看前向传导,对于输入层有 I 个单元, 对于输入样本 (x,z) ,隐层的输入为:

a_h = \sum_{i=1}^I w_{ih}x_i

b_h = f(a_h)

这里函数 f  为 非线性激活函数,常见的有sigmod 或者是 tanh,本文选取 sigmod 作为激活函数。计算完输入层向第一个隐层的传导后,剩下的隐层计算方式类似,用 h_l 表示第 l 层的单元数:

a_h = \sum_{h'=1}^{h_{l-1}}w_{h'h}b_{h'}

b_h = f(a_h)

对于输出层,若采用二分类logistic  \ regression ,则前向传导到输出层:

a = \sum_{h'}w_{h'h}b_{h'}

y = f(a)

这里   y 即为 MLP 的输出类别为 1 的概率,输出类别为 0 的概率为 1-y,为了训练网络,当 z=1 时,y 越大越好,而当 z=0 时, 1-y越大越好 ,这样才能得到最优的参数 w ,采用 MLE 的方法,写到一起可以得到 y^z(1-y)^{1-z} ,这便是单个样本的似然函数,对于所有样本可以列出 log 似然函数  O = \sum_{(x,z)} zlogy + (1-z)log(1-y) ,直接极大化该似然函数即可,等价于极小化以下的 -log 损失函数:

O = - \left [ \sum_{(x,z)}  zlogy + (1-z)log(1-y)  \right ] 

对于多分类问题,即输出层采用   softmax ,假设有 K 个类别,则输出层的第 k 个单元计算过程如下:

a_k =\sum_{h'} w_{h'k}b_{h'}

y_k = f(a_k)

则得到类别 k 的概率可以写作 \prod_ky_k^{z_k} ,注意标签 z 中只有第 k 维为 1,其余为 0,所以现在只需极大化该似然函数即可:

O =\prod_{(x,z)} \prod_{k}y_k^{z_k}

同理等价于极小化以下损失:

O = -\prod_{(x,z)} \prod_{k}y_k^{z_k}

以上便是 softmax 的损失函数,这里需要注意的是以上优化目标 O没带正则项,而且 logisticsoftmax 最后得到的损失函数均可以称作交叉熵损失,注意和平方损失的区别。

Backward Pass

有了以上前向传导的过程,接下来看误差的反向传递,对于 sigmod 来说,最后一层的计算如下:a =\sum_h w_h \cdot b_hy = f(a) = \sigma(a)  ,这里 b_h 为倒数第二层单元 h 的输出,\sigma  为 sigmod 激活函数,且满足  \sigma '(a) = \sigma(a) (1-\sigma(a)) ,对于单个样本的损失 :

O = -\left [z log(\sigma(a) +(1-z)log(1-\sigma(a))  \right ]

可得到如下的链式求导过程:

\frac{\partial O}{\partial w_h} =   \frac{\partial O}{\partial a} \cdot \frac{\partial a}{\partial w_h}

显而易见对于后半部分 \frac{\partial a}{\partial w_h} 为  b_h ,对于前半部分 \frac{\partial O}{\partial a}  : 

\begin{aligned} \frac{\partial O}{\partial a} &=-\frac{\partial \left [z \ log(\sigma(a)) +(1-z)log(1-\sigma(a)) \right ] }{\partial a}\\ &=-\left [ \frac{z}{\sigma(a)} - \frac{1 - z}{1 - \sigma(a)} \right ]\sigma'(a) \\ &=-\left [ \frac{z}{\sigma(a)} - \frac{1 - z}{1 - \sigma(a)} \right ]\sigma(a)(1-\sigma(a))\\ &= \sigma(a) -z\\ &= y - z \end{aligned}

以上,便得到了 logistic 的残差,接下来残差反向传递即可,残差传递形式同 softmax ,所以先推倒 softmax 的残差项,对于单个样本, softmaxlog 损失函数为:

O = -\sum_iz_i logy_i

其中:

y_i = \frac{e^{a_i}}{\sum_je^{a_j}}

根据以上分析,可以得到 y_{k'} 关于 a_k 的导数:

\frac{\partial y_{k'}}{\partial a_k}=\left\{ \begin{aligned} \frac{\sum_{i \ne k}e^{a_j} \cdot e^{a_k}}{\sum_je^{a_j} \cdot \sum_je^{a_j} } &=y_k (1-y_k)\ \ \ \ k'=k\\ \frac{e^{a_{k'}} \cdot e^{a_k}}{\sum_je^{a_j} \cdot \sum_je^{a_j} } &=-y_{k'}y_k \ \ \ \ \ \ \ \ \ k \neq k \end{aligned} \right.

现在能得到损失函数 O 对于 a_k 的导数:

\begin{aligned} \frac{\partial O}{\partial a_k} &= \frac{\partial\left [ -\sum_iz_ilogy_i \right ]}{\partial a_k} \\ &= -\sum_iz_i \cdot \frac{\partial logy_i}{\partial a_k} \\ &= -\sum_iz_i \frac{1}{y_i} \frac{\partial y_i}{\partial a_k} \\ &= -z_k(1-y_k) - \sum_{i \ne k} z_i \frac{1}{y_i}(-y_i y_k) \\ &= -z_k + z_ky_k + \sum_{i \ne k} z_i y_k \\ &= -z_k + y_k(\sum_iz_i) \\ &=y_k-z_k \end{aligned}

这里有  \sum_iz_i = 1 ,即只有一个类别。  到这一步, softmaxsigmod  的残差均计算完成,可以用符号 \delta 来表示,对于单元 j ,其形式如下:

\delta_j = \frac{\partial O}{\partial a_j}

这里可以得到 softmax  层向倒数第二层的残差反向传递公式:

 \delta_h = \frac{\partial O}{\partial b_h} \cdot \frac{\partial b_h}{\partial a_h} = \frac{\partial b_h}{\partial a_h} \sum_{k}\frac{\partial O}{\partial a_k} \cdot \frac{\partial a_k}{\partial b_h} = f'(a_h) \sum_k w_{hk}\delta_k

其中 a_k = \sum_hw_{hk}b_h  ,对于 sigmod 层,向倒数第二层的反向传递公式为:

  \delta_h = \frac{\partial O}{\partial b_h} \cdot \frac{\partial b_h}{\partial a_h} = \frac{\partial b_h}{\partial a_h} \cdot \frac{\partial O}{\partial a} \cdot \frac{\partial a}{\partial b_h} = f'(a_h) w_h\delta

以上公式的 \delta 代表 sigmod 层唯一的残差,接下来就是残差从隐层向前传递的传递过程,一直传递到首个隐藏层即第二层(注意,残差不会传到输入层,因为不需要,对输入层到第二层的参数求导,其只依赖于第二层的残差,因为第二层是这些参数的放射函数):

 \delta_h =   f'(a_h) \sum_{h'=1}^{h_{l+1}} w_{hh'}\delta_{h'}

整个过程可以看下图:

最终得到关于权重的计算公式:

\frac{\partial O}{\partial w_{ij}} = \frac{\partial O}{\partial a_{j}} \frac{\partial a_j}{\partial w_{ij}} = \delta_jb_i

 至此完成了backwark pass 的过程,注意由于计算比较复杂,有必要进行梯度验证。对函数  O 关于参数 w_{ij} 进行数值求导即可,求导之后与与上边的公式验证差异,小于给定的阈值即认为我们的运算是正确的。

posted @   ooon  阅读(43802)  评论(0编辑  收藏  举报
点击右上角即可分享
微信分享提示