NLP学习笔记(四):长短时记忆网络

2024-06-07 23:58

本文主要是介绍NLP学习笔记(四):长短时记忆网络,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

长短时记忆网络(Long Short Term Memory (LSTM))

LSTM 模型

LSTM模型是RNN 模型的改进,可以避免梯度消失的问题,有更长的记忆。

LSTM也是一种循环神经网络,每当读取一个输入x就会更新状态h。LSTM的结构比简单RNN要复杂很多,简单RNN只有一个参数矩阵,LSTM有四个参数矩阵。下面我们具体来看LSTM的内部结构。
在这里插入图片描述
LSTM最重要的设计是传输带,记为向量 C C C,过去的信息通过传送带直接送到下一个时刻,不会发生太大的变化,LSTM就是靠传输带来避免梯度消失的问题。

在这里插入图片描述

LSTM中有很多gate,可以有选择的让信息通过。

在这里插入图片描述
先来看一下Forget gate(遗忘门)。它由sigmoid函数和Elementwise multiplication两部分组成。Sigmoid函数将输入向量a的每一个元素都压到0和1之间,输入向量a和输出有相同的维度。
在这里插入图片描述
算出输出f后,再和c进行Elementwise multiplication得到最后输出。
在这里插入图片描述
遗忘门f有选择的让传送带C的值通过,假如f的一个元素为0,那么C对应的元素就不能通过,对应的输出就为0;假如f的一个元素为1,那么C对应的元素就全部能通过,对应的输出就为C中这个元素本身。
在这里插入图片描述

遗忘门f具体是这样被算出来的。如图所示, f t f_t ft是上一个状态 h t − 1 h_{t-1} ht1和当前输入 x t x_t xt的函数,将状态 h t − 1 h_{t-1} ht1和当前输入 x t x_t xt进行concatenation得到一个更高的向量,然后算矩阵 W f W_f Wf和这个向量的乘积得到一个向量,然后再经过Sigmoid函数得到输出 f t f_t ft在0到1之间。遗忘门有一个参数矩阵 W f W_f Wf需要通过反向传播从训练数据中学习。

在这里插入图片描述

上面讲了遗忘门,现在来看一下输入门(Input Gate)。输入门 i t i_t it依赖于旧的状态向量 h t − 1 h_{t-1} ht1和输入 x t x_t xt。输入门的就算很类似与遗忘门。将状态 h t − 1 h_{t-1} ht1和当前输入 x t x_t xt进行concatenation得到一个更高的向量,然后算矩阵 W i W_i Wi和这个向量的乘积得到一个向量,然后再经过Sigmoid函数得到输出 i t i_t it在0到1之间。输入门有一个参数矩阵 W i W_i Wi需要通过反向传播从训练数据中学习。
在这里插入图片描述
除此之外,还需要计算一个new value C t ~ \tilde{C_{t}} Ct~ C t ~ \tilde{C_{t}} Ct~是个向量,计算跟遗忘门和输入门都很像,将状态 h t − 1 h_{t-1} ht1和当前输入 x t x_t xt进行concatenation得到一个更高的向量,然后算矩阵 W c W_c Wc和这个向量的乘积得到一个向量后通过激活函数。
在这里插入图片描述
它的区别在于激活函数不是Sigmoid而是双曲正切函数。我们已经算出了遗忘门 f t f_t ft、输入门 i t i_t it和new value C t ~ \tilde{C_{t}} Ct~,我们还知道传输带上旧的值 C t − 1 C_{t-1} Ct1。现在就可以更新传输带C了。

在这里插入图片描述

利用遗忘门 f t f_t ft和传送带旧的值 C t − 1 C_{t-1} Ct1算Elementwise multiplication。遗忘门 f t f_t ft可以选择性的遗忘传送带旧的值 C t − 1 C_{t-1} Ct1中的一些元素。

在这里插入图片描述

在选择性遗忘旧的传输带信息后,我们需要往上面添加新的信息。计算输入门输入门 i t i_t it和new value C t ~ \tilde{C_{t}} Ct~的Elementwise multiplication。将这个乘积直接加到传送带上就可以了,这样就完成了一轮更新:用遗忘门删除了一些旧的信息,同时又加入了一些新的信息。

现在已经更新完传送带C了,最后一步就是计算LSTM的输出,也就是状态向量 h t h_t ht,其计算过程如下:

在这里插入图片描述

首先计算输出门 o t o_t ot,它的计算方式跟前面输入门、遗忘门的计算方式基本一样。 将状态 h t − 1 h_{t-1} ht1和当前输入 x t x_t xt进行concatenation得到一个更高的向量,然后算矩阵 W o W_o Wo和这个向量的乘积得到一个向量,然后再经过Sigmoid函数得到输出 o t o_t ot在0到1之间。输出忘门有一个参数矩阵 W o W_o Wo需要从训练数据中学习。

在这里插入图片描述

现在计算状态向量 h t h_t ht,对传输带 c t c_t ct的每一个元素求双曲正切,把元素都压到-1和+1之间。然后求这两个向量的Elementwise multiplication。这样就得到了输出向量 h t h_t ht。如图所示, h t h_t ht有两份copy,一个传输到了下一步,另一份copy成了LSTM的输出。到第t步为止,一共有t个向量输入了LSTM,可以认为所有这些x的信息都积累在了 h t h_t ht里面。

我们来算一下LSTM的参数,LSTM有遗忘门、输入门、new value以及输出门。这四个模块都有各自的参数矩阵W,矩阵的行数为 h的维度,列数为h的维度加上x的维度。所以,LSTM(不含intercept)的参数数量为: 4 × s h a p e ( h ) × [ s h a p e ( h ) + s h a p e ( x ) ] 4 \times shape(h) \times [ shape(h) + shape(x)] 4×shape(h)×[shape(h)+shape(x)]

使用Keras实现LSTM(LSTM Using Keras)

Keras 实现略

总结(Summary)

  • LSTM与简单RNN的区别就是用了一条传输带,让过去的信息很容易的传输到下一时刻,这样就有了更长的记忆。

  • LSTM的表现总是比简单RNN要好。在使用RNN时可以优先选择LSTM。

  • LSTM有四个组件,分别是:

    • Forget gate(遗忘门)
    • Input gate(输入门)
    • New values(新的输入)
    • Output gate(输出门)
  • LSTM的参数数量为 4 × s h a p e ( h ) × [ s h a p e ( h ) + s h a p e ( x ) ] 4 \times shape(h) \times [ shape(h) + shape(x)] 4×shape(h)×[shape(h)+shape(x)]

这篇关于NLP学习笔记(四):长短时记忆网络的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1040674

相关文章

Linux系统配置NAT网络模式的详细步骤(附图文)

《Linux系统配置NAT网络模式的详细步骤(附图文)》本文详细指导如何在VMware环境下配置NAT网络模式,包括设置主机和虚拟机的IP地址、网关,以及针对Linux和Windows系统的具体步骤,... 目录一、配置NAT网络模式二、设置虚拟机交换机网关2.1 打开虚拟机2.2 管理员授权2.3 设置子

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

SpringBoot使用OkHttp完成高效网络请求详解

《SpringBoot使用OkHttp完成高效网络请求详解》OkHttp是一个高效的HTTP客户端,支持同步和异步请求,且具备自动处理cookie、缓存和连接池等高级功能,下面我们来看看SpringB... 目录一、OkHttp 简介二、在 Spring Boot 中集成 OkHttp三、封装 OkHttp

Linux系统之主机网络配置方式

《Linux系统之主机网络配置方式》:本文主要介绍Linux系统之主机网络配置方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、查看主机的网络参数1、查看主机名2、查看IP地址3、查看网关4、查看DNS二、配置网卡1、修改网卡配置文件2、nmcli工具【通用

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解

Java进阶学习之如何开启远程调式

《Java进阶学习之如何开启远程调式》Java开发中的远程调试是一项至关重要的技能,特别是在处理生产环境的问题或者协作开发时,:本文主要介绍Java进阶学习之如何开启远程调式的相关资料,需要的朋友... 目录概述Java远程调试的开启与底层原理开启Java远程调试底层原理JVM参数总结&nbsMbKKXJx

如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解

《如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解》:本文主要介绍如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别的相关资料,描述了如何使用海康威视设备网络SD... 目录前言开发流程问题和解决方案dll库加载不到的问题老旧版本sdk不兼容的问题关键实现流程总结前言作为

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

Python实现NLP的完整流程介绍

《Python实现NLP的完整流程介绍》这篇文章主要为大家详细介绍了Python实现NLP的完整流程,文中的示例代码讲解详细,具有一定的借鉴价值,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 编程安装和导入必要的库2. 文本数据准备3. 文本预处理3.1 小写化3.2 分词(Tokenizatio

SSID究竟是什么? WiFi网络名称及工作方式解析

《SSID究竟是什么?WiFi网络名称及工作方式解析》SID可以看作是无线网络的名称,类似于有线网络中的网络名称或者路由器的名称,在无线网络中,设备通过SSID来识别和连接到特定的无线网络... 当提到 Wi-Fi 网络时,就避不开「SSID」这个术语。简单来说,SSID 就是 Wi-Fi 网络的名称。比如