Neural Networks for Machine Learning by Geoffrey Hinton (三)

Neural Networks for Machine Learning by Geoffrey Hinton (3)

训练感知机的方法并不能用以训练隐含层

• 训练感知机的方式是每次直接修正权重，最终得到满足所有凸锥里的权重。可行解的平均一定还是可行解。
• 对多层神经网络而言，2个可行解的平均并不一定是可行解。
  

  They should never have been called multi-layer perceptrons.

为何不解析求解神经网络？

• 我们希望了解神经网络具体工作方式。
• 我们需要能够扩展到深层神经网络的方法。

online delta-rule 与 感知机 learning rule 的区别与联系

• 感知机 learning rule 中，我们通过输入向量直接改变权重向量。

  然而我们只能在出现错误时才能够调整权重。

• online delta-rule 中，权重的修正量还带有残差和学习率作为系数。

  $$\Delta {w_i} = - \varepsilon \frac{{\partial E}}{{\partial {w_i}}} = \sum\limits_n {\varepsilon x_i^n\left( {{t^n} - {y^n}} \right)}$$

错误面（Error Surface）

对于线性神经元、平方误差时，错误面是一个抛物面。
- 错误面的纵切面是抛物线。
- 错误面的横切面是椭圆。

在线（Online）学习与批（Batch）学习

• 在线学习权重在走之字形路线，如图1。

• 批学习权重路线要平缓得多，如图2。

为何学习过程会这么慢？

在权重空间某2个维度具有一定的相关性时，错误面会被拉长，其横剖面就变成了一个长椭圆，如图3。

与我们希望刚好相反，如图的红色向量在短轴方向有巨大分量，而在长轴方向分量却很小。

为什么对于多层神经网络直接学习权重是不可行的？

• 如果每次只训练某一个权重，那么唯一的修正信号就是错误。这样每次修正都要把整个网络正向计算一遍。效率太低。
• 如果每次训练调整所有权重，那么有相当大的可能会使最终的输出更糟糕。

反向传播的背后思路

• 我们并不知道隐含层神经元的值，但是我们知道当调整隐含神经元时错误改变的快慢。
• 每次可以修正所有的隐含层神经元，如图4。

$$\frac{{\partial E}}{{\partial {z_j}}} = \frac{{d{y_j}}}{{d{z_j}}}\frac{{\partial E}}{{\partial {y_j}}} = {y_j}\left( {1 - {y_j}} \right)\frac{{\partial E}}{{\partial {y_j}}}$$
$$\frac{{\partial E}}{{\partial {y_i}}} = \sum\limits_j {\frac{{d{z_j}}}{{d{y_i}}}\frac{{\partial E}}{{\partial {z_j}}}} = \sum\limits_j {{w_{ij}}\frac{{\partial E}}{{\partial {z_j}}}}$$
$$\frac{{\partial E}}{{\partial {w_{ij}}}} = \frac{{\partial {z_j}}}{{\partial {w_{ij}}}}\frac{{\partial E}}{{\partial {z_j}}} = {y_i}\frac{{\partial E}}{{\partial {z_j}}}$$

将错误率导数转化为学习过程

• 优化问题
  

  如何利用各个输入样本对应的导数来求得一个良好的权重。

• Online: after each training case.
• Full batch: after a full sweep through the training data.

• Mini-batch: after a small sample of training cases.

• 普适性问题

  如何保证学习到得权重对于网络没见过的样本也能起作用。

• Weight-decay
• Weight-sharing
• Early stopping
• Model averaging
• Bayesian fitting of neural nets
• Dropout
• Generative pre-training