神经网络

参考链接：

神经网络15分钟入门！足够通俗易懂了吧 - 知乎 (zhihu.com)

任务背景

如下图，我们已知四个数据点(1,1)(-1,1)(-1,-1)(1,-1)，这四个点分别对应I~IV象限，如果这时候给我们一个新的坐标点（比如(2,2)），那么它应该属于哪个象限呢？（没错，当然是第I象限，但我们的任务是要让机器知道）

“分类”是神经网络的一大应用，我们使用神经网络完成这个分类任务。

两层神经网络

理论上可以拟合任意函数（万能近似定理），结构如下：

1.简化的两层神经网络

1.1输入层

输入元素的维度和输入量的特征息息相关，如果输入一张32*32的灰度图像，那么输入层的维度就是32*32；如果输入的是一个二维坐标值，如（1, 1），那么输入维度就是1*2。

1.2从输入层到隐藏层

输入层和隐藏层之间由W1和b1连接，计算方式为：

H=X*W1+b1

1.3从隐藏层到输出层

连接隐藏层和输出层的是W2和b2，计算方式为：

Y=H*W2+b2

1.4分析

根据线性代数的知识，可知：一系列线性方程的运算最终都可以用一个线性方程表示。

因此，上述两个式子联立后可以用一个线性方程表示，并且就算网络深度再增加，结果也是一样，如此一来神经网络就失去了意义。

为了改变这一局面，需要使用网络的灵魂组件：激活层。

2.激活层

激活层的作用是为矩阵运算添加非线性成分。常用激活函数有三种：阶跃函数、Sigmoid、ReLU。对应的函数曲线如下图所示：

• 阶跃函数：
  $$
  y= \begin{cases} 0 & \text{if } x \leq 0
  \\ 1 & \text{if } x > 0 \end{cases}
  $$
• Sigmoid：输入接近 $\infty$ ，输出趋向1；输入接近$-\infty$ ，输出趋向0
• ReLU：
  $$
  y=\begin{cases} 0 & \text{if } x <0
  \\ x & \text{if } x \geq0 \end{cases}
  $$

阶跃函数的输出是跳变的，使用较少；Sigmoid在x的绝对值较大时，曲线斜率变化很小，出现梯度消失，并且计算复杂；ReLU是当前较为常用的激活函数。

每个隐藏层计算（矩阵线性运算）之后，都需要加一层激活层，否则该线性层的计算是没有意义的

加上激活层后的两层神经网络如下图：

神经网络分为“训练”和“使用”两个步骤，上图已经完成了“使用”步骤的全部内容。在求得的Y矩阵中，数值最大的就代表当前的分类。

但是对于“训练”网络来说，当前输出的Y还远远不够。

3.输出正规化

在上面的输出层中，输出的内容并不规范，可能是任何数字。为了让最终的输出的概率，需要进行进一步转化。

计算公式如下：

$S_i = \frac{e^i}{\sum_j{e^j}}$

简单来说分三步：

• 以e为底对所有元素求指数幂
• 将所有指数幂求和
• 分别将这些指数幂与该和做商

这一正规化处理的层叫做Softmax层，此时神经网络如下图所示：

4.输出好坏的衡量方式

Softmax的输出结果与真实结果存在一定差距，例如输出的结果是(90%,5%,3%,2%)，真实的结果是(100%,0,0,0)。优秀的神经网络对结果的预测要无限接近于100%，因此需要对Softmax输出结果的好坏进行量化。

可以使用一种直观的量化方式：用1减去Softmax输出的概率，例如1-90%=0.1。但更为常用且巧妙的方法是，求对数的负数。例如90%对数的负数就是$-log0.9=0.046$。

这个值就是交叉熵损失，概率越接近于100%，这个值越接近0。训练神经网络最终的目的就是尽可能减少“交叉熵损失”。

此时的网络如下图：

5.反向传播与参数优化

前面4节讲了神经网络的正向传播过程，总结如下：

神经网络的传播都是形如Y=WX+b的矩阵运算；为了给矩阵运算加入非线性，需要在隐藏层中加入激活层；输出层结果需要经过Softmax层处理为概率值，并通过交叉熵损失来量化当前网络的优劣。

算出交叉熵损失后，就要进行反向传播，这一过程就是参数优化的过程，优化对象是网络中所有的W和b（因为其它参数均确定）。

神经网络的奇妙之处就在于，它可以自动做W和b的优化，在深度学习中，参数的数量有时会以亿记，但其优化原理和这个两层的神经网络是相同的。

这里举一个形象的例子描述一下这个参数优化的原理和过程：

假设我们操纵着一个球型机器行走在沙漠中

我们在机器中操纵着四个旋钮，分别叫做W1，b1，W2，b2。当我们旋转其中的某个旋钮时，球形机器会发生移动，但是旋转旋钮大小和机器运动方向之间的对应关系是不知道的。而我们的目的就是走到沙漠的最低点。

此时我们该怎么办？只能挨个试喽。

如果增大W1后，球向上走了，那就减小W1。

如果增大b1后，球向下走了，那就继续增大b1。

如果增大W2后，球向下走了一大截，那就多增大些W2。

。。。

这就是进行参数优化的形象解释（有没有想到求导？），这个方法叫做梯度下降法。

当我们的球形机器走到最低点时，也就代表着我们的交叉熵损失达到最小（接近于0）。

6.迭代

神经网络需要反复迭代。

每次计算得到一组概率和交叉熵损失值，将该损失值反向传播，使W1，b1，W2，b2做相应微调；再做第二次运算，和第一次操作相同。最红损失值越来越小，直到达到预期效果。

迭代完成后我们就得到了理想的W1，b1，W2，b2。

此时将任意一组坐标输入，利用最终的神经网络，就能得到分类结果。