1. 概述
在循环神经网络RNN一文中提及到了循环神经网络RNN存在长距离依赖的问题,长短期记忆(Long Short-Term Memory,LSTM)网络便是为了解决RNN中存在的梯度爆炸的问题而提出。在LSTM网络中,主要依靠引入“门”机制来控制信息的传播。
2. 算法原理
2.1. LSTM的网络结构
LSTM的网络结构如下所示(图片来自参考文献):
与循环神经网络RNN相比,LSTM的网络结构要复杂的多。
在LSTM网络中,通过引入三个门来控制信息的传递,这三个门分别为遗忘门(forget gate),输入门(input gate)和输出门(output gate)。门机制是LSTM中重要的概念,那么什么是“门”以及门机制在LSTM中是如何解决长距离依赖的问题的。
2.2. 门机制
现实中的“门”通常解释为出入口,在LSTM网络的门也是一种出入口,但是是控制信息的出入口。门的状态通常有三种状态,分别为全开(信息通过概率为1),全闭(信息通过概率为0)以及半开(信息通过概率介于0和1之间)。在这里,我们发现对于全开,全闭以及半开三种状态下的信息通过可以通过概率来表示,在神经网络中,sigmoid函数也是一个介于0和1之间的表示,可以应用到LSTM中门的计算中。
2.3. LSTM的计算过程
如下是LSTM的网络结构的具体形态,如下所示(图片来自邱锡鹏老师的课件):
其中,ct−1c_{t-1}ct−1表示的是t−1t-1t−1时刻的cell state(注:关于cell state,查了多个版本的中文翻译,有翻译为“细胞状态”,有翻译成“单元状态”,邱老师使用的是内部状态,没有一个明确的中文翻译,故在此使用英文),ht−1h_{t-1}ht−1表示的是t−1t-1t−1时刻的hidden state(注:与前面的cell state对应),xtx_txt表示的是ttt时刻的输入,ftf_tft表示的是遗忘门,iti_tit表示的是输入门,c~t\tilde{c}_tc~t表示的是候选值(candidate values),oto_tot表示的是输出门。
从图中的数据流向得到的计算流程如下所示:
利用t−1t-1t−1时刻的hidden state ht−1h_{t-1}ht−1计算遗忘门ftf_tft的结果,ftf_tft的计算公式如下所示
ft=σ(Wfxt+Ufht−1+bf)f_t=\sigma \left ( W_fx_t+U_fh_{t-1}+b_f \right )ft=σ(Wfxt+Ufht−1+bf)
利用t−1t-1t−1时刻的hidden state ht−1h_{t-1}ht−1计算输入门iti_tit的结果,iti_tit的计算公式如下所示
it=σ(Wixt+Uiht−1+bi)i_t=\sigma \left ( W_ix_t+U_ih_{t-1}+b_i \right )it=σ(Wixt+Uiht−1+bi)
利用t−1t-1t−1时刻的hidden state ht−1h_{t-1}ht−1计算候选值c~t\tilde{c}_tc~t的结果,c~t\tilde{c}_tc~t的计算公式如下所示
c~t=tanh(Wcxt+Ucht−1+bc)\tilde{c}_t=tanh \left ( W_cx_t+U_ch_{t-1}+b_c \right )c~t=tanh(Wcxt+Ucht−1+bc)
利用t−1t-1t−1时刻的hidden state ht−1h_{t-1}ht−1计算输出门oto_tot的结果,oto_tot的计算公式如下所示
ot=σ(Woxt+Uoht−1+bo)o_t=\sigma \left ( W_ox_t+U_oh_{t-1}+b_o \right )ot=σ(Woxt+Uoht−1+bo)
根据ttt时刻的cell state ctc_tct,这里会使用到t−1t-1t−1时刻的cell state ct−1c_{t-1}ct−1,遗忘门ftf_tft,输入门iti_tit和候选值c~t\tilde{c}_tc~t,ctc_tct的计算公式如下所示
ct=ft⊙ct−1+it⊙c~tc_t=f_t\odot c_{t-1}+i_t\odot \tilde{c}_tct=ft⊙ct−1+it⊙c~t
上述的公式是由前面的1,2,3部分的公式组成,也是LSTM网络中的关键的部分,对该公式,我们从如下的几个部分来理解:
ft⊙ct−1f_t\odot c_{t-1}ft⊙ct−1,使用遗忘门ftf_tft对t−1t-1t−1时刻下的cell state ct−1c_{t-1}ct−1遗忘;it⊙c~ti_t\odot \tilde{c}_tit⊙c~t,首先是c~t\tilde{c}_tc~t表示的是通过ttt时刻的输入和t−1t-1t−1时刻的hidden state ht−1h_{t-1}ht−1需要增加的信息,与输入门iti_tit结合起来就表示整体需要增加的信息;两部分结合表示的是ttt时刻下的cell state下需要从t−1t-1t−1时刻下的cell state中保留的部分信息以及ttt时刻下新增信息的总和。 根据输出门oto_tot和cell state ctc_tct计算外部状态hth_tht,hth_tht的计算公式如下所示
ht=ot⊙tanh(ct)h_t=o_t\odot tanh\left ( c_t \right )ht=ot⊙tanh(ct)