原文链接：https://yq.aliyun.com/topic/111
本文是对原文内容中部分概念的摘取记录，可能有轻微改动，但不影响原文表达。
08 - BP算法双向传，链式求导最缠绵
反向传播(Back Propagation，简称BP) 算法
在神经网络（甚至深度学习）参数训练中，BP算法占据举足轻重的地位。
实际上BP算法是一个典型的双向算法，但通常强调的是反向传播。
工作流程分两大步：
- 正向传播输入信号，输出分类信息（对于有监督学习而言，基本上都可归属于分类算法）。简单说来，就是把信号通过激活函数的加工，一层一层的向前“蔓延”，直到抵达输出层。
- 反向传播误差信息，调整全网权值。如果没有达到预期目的，重走回头路（1）和（2），也就是通过微调网络参数让下一轮的输出更加准确。
反向传播演示
反向传播演示：https://google-developers.appspot.com/machine-learning/crash-course/backprop-scroll/
BP算法的不足
会存在“梯度扩散（Gradient Diffusion）”现象，其根源在于对于非凸函数，梯度一旦消失，就没有指导意义，导致它可能限于局部最优。
而且“梯度扩散”现象会随着网络层数增加而愈发严重，也就是说，随着梯度的逐层消减，导致它对调整网络权值的调整效益，作用越来越小。
故此BP算法多用于浅层网络结构（通常小于等于3），这就限制了BP算法的数据表征能力，从而也就限制了BP的性能上限。
09 - 全面连接困何处，卷积网络见解深
在本质上，BP算法是一种全连接神经网络，虽然有很多成功的应用，但只能适用于“浅层”网络。
因为“肤浅”，所以也就限制了它的特征表征能力，进而也就局限了它的应用范围。
卷积神经网络(Convolutional Neural Network，简称CNN)
当前适用在图像、语音识别等众多任务。
CNN能够直接从原始图像出发，经过非常少的预处理，就能从图像中找出视觉规律，进而完成识别分类任务，其实这就是端到端（end-end）的含义。
避免了对图像进行复杂的前期处理（即大量的人工图像特征提取工作）
当前主流的卷积神经网络结构，其精华大致体现在3个核心操作和3个概念。
- 3个核心是指：卷积（Convolution）、池化（Poling）和非线性处理（ReLU）。
- 3个概念是指：局部感受域（Local receptive filed）、权值共享（Weight sharing）和亚采样（Subsampling）。
10 - 卷地风来忽吹散，积得飘零美如画
卷积操作的数学意义：一个函数和另一个函数在某个维度上的加权“叠加”作用。
通常把函数f称为输入函数， g 称为滤波器（filter，也称为特征检测器，feature detector）或卷积核（kernel），这两个函数的叠加结果称为特征图或特征图谱（feature map）
特征图谱也被称呼为做卷积特征（convolved feature）或激活图（activation map）。
在本质上，离散卷积就是一个线性运算，因此离散卷积操作也被称为线性滤波。
常用于图像处理的卷积核
-
同一化核（Identity）
卷积后得到的图像和原图一样。
只有中心点的值是1，邻域点的权值都是0，所以对滤波后的取值没有任何影响。 -
边缘检测核（Edge Detection）
也称为高斯-拉普拉斯算子。
矩阵的元素总和为0（即中间元素为8，而周围8个元素之和为-8），所以滤波后的图像会很暗，而只有边缘位置是有亮度的。 -
图像锐化核（Sharpness Filter）
图像的锐化和边缘检测比较相似。
首先找到边缘，然后再把边缘加到原来的图像上面，强化了图像的边缘，使得图像看起来更加锐利。 -
均值模糊（Box Blur /Averaging）
每个元素值都是1，它将当前像素和它的四邻域的像素一起取平均，然后再除以9。
均值模糊比较简单，但图像处理得不够平滑。因此，还可以采用高斯模糊核（Gaussian Blur），这个核被广泛用在图像降噪上。
11 - 局部连接来减参，权值共享肩并肩
相比于全连接的前馈网络，卷积神经网络的结构要简洁，但并不简单。
典型卷积神经网络的结构
在不考虑输入层的情况下，一个典型的卷积神经网络通常由若干个卷积层、激活层、池化层及全连接层组成。
卷积层（Convolutional Layer）
- 是卷积神经网络的核心所在。
- 在卷积层，通过实现“局部感知”和“权值共享”等系列的设计理念，可达到两个重要的目的：对高维输入数据实施降维处理和实现自动提取原始数据的核心特征。
激活层（Activation Layer）
- 作用是将前一层的线性输出，通过非线性激活函数处理，从而可模拟任意函数，进而增强网络的表征能力。
- 在深度学习领域，ReLU（Rectified-Linear Unit，修正线性单元）是目前使用较多的激活函数，原因是它收敛更快，且不会产生梯度消失问题。
池化层（Pooling Layer）
- 也称为亚采样层（Subsampling Layer）。
- 简单来说，利用局部相关性，“采样”在较少数据规模的同时保留了有用信息。
- 巧妙的采样还具备局部线性转换不变性，从而增强卷积神经网络的泛化处理能力。
全连接层（Fully Connected Layer）
相当于传统的多层感知机（Multi-Layer Perceptron，简称MLP）。
通常来说，“卷积-激活-池化”是一个基本的处理栈，通过多个前栈处理之后，待处理的数据特性已有了显著变化：
一方面，输入数据的维度已下降到可用“全连接”网络来处理了；另一方面，此时全连接层的输入数据已不再是“泥沙俱下、鱼龙混杂”，而是经过反复提纯过的结果，因此最后输出的结果要可控得高。
常见架构模式
可以根据不同的业务需求，构建出不同拓扑结构的卷积神经网络
例如，可以先由m个卷积层和激活层叠加，然后(可选)进行一次池化操作，重复这个结构n次，最后叠加k个全连接层（m, n, k ≥ 1）。
总体来讲，卷积神经网络通过多层处理，逐渐将初始的“低层”特征表示，转化为“高层”特征表示，之后再用“简单模型”即可完成复杂的分类等学习任务。
因此在本质上，深度学习就是一个“特征学习（feature learning）”或“表示学习（representation learning）”。
卷积层的3个核心概念
卷积层的三个核心概念：局部连接、空间位置排列及权值共享。
局部连接（Local Connectivity）
全连接的前馈神经网络有个非常致命的缺点，那就是可扩展性（Scalability）非常差。
原因非常简单，网络规模一大，需要调参的个数以神经元数的平方倍增，导致它难以承受参数太多之痛。
局部连接（Local Connectivity）在能某种程度上缓解这个“参数之痛”。
局部连接也被称为“稀疏连接（Sparse Connectivity）”。
对于卷积神经网络而言，隐藏层的神经元仅仅需要与前一层的部分区域相连接。
这个局部连接区域有个特别的名称叫“感知域（receptive field）”，其大小等同于卷积核的大小
。
相比于原来的全连接，连接的数量自然是稀疏得多，因此，局部连接也被称为“稀疏连接（Sparse Connectivity）”。
但需要注意的是，这里的稀疏连接，仅仅是指卷积核的感知域相对于原始图像的高度和宽度而言的。
卷积核的深度（depth，在这里卷积核的深度实际上就是卷积核的个数。）则需要与原始数据保持一致，不能缩减。
空间排列（Spatial arrangement）
在构造卷积层时，对于给定的输入数据，如果确定了卷积核的大小，卷积核的深度（个数）、步幅以及补零个数，那么卷积层的空间安排就能确定下来。
也就是说固定4个参数：卷积核的大小、深度、步幅及补零。
卷积核的深度（depth）
卷积核的深度对应的是卷积核的个数。每个卷积核只能提取输入数据的部分特征。
每一个卷积核与原始输入数据执行卷积操作，会得到一个卷积特征，这样的多个特征汇集在一起，称为特征图谱。
事实上，每个卷积核提取的特征都有各自的侧重点。
因此，通常说来，多个卷积核的叠加效果要比单个卷积核的分类效果要好得多。
步幅（stride）
即滤波矩阵在输入矩阵上滑动跨越的单元个数。
设步幅大小为S，当S为1时，滤波器每次移动一个像素的位置。
当S为2时，每次移动滤波器会跳过2个像素。S越大，卷积得到特征图就越小。
补零（zero-padding）
补零操作通常用于边界处理。
在有些场景下，卷积核的大小并不一定刚好就被输入数据矩阵的维度大小整除，就会出现卷积核不能完全覆盖边界元素的情况。
这时，就需要在输入矩阵的边缘使用零值进行填充，使得在输入矩阵的边界处的大小刚好和卷积核大小匹配。
这样做的结果，相当于对输入图像矩阵的边缘进行了一次滤波。
零填充的好处在于，它可以控制特征图的大小。
使用零填充的卷积叫做泛卷积（wide convolution），不适用零填充的叫做严格卷积（narrow convolution）。
权值共享（Shared Weights）
权值实际上就是不同神经元之间的连接参数，也称为参数共享（Parameter Sharing）。
局部连接虽然降低了连接的个数，但整体幅度并不大，需要调节的参数个数依然非常庞大，因此还是无法满足高效训练参数的需求。
而权值共享能显著降低参数的数量。
对于同一个卷积核，它在一个区域提取到的特征，也能适用于于其他区域。
基于权值共享策略，将卷积层神经元与输入数据相连，同属于一个特征图谱的神经元，将共用一个权值参数矩阵。
权值共享保证了在卷积时只需要学习一个参数集合即可，而不是对每个位置都再学习一个单独的参数集合。
因此参数共享也被称为绑定的权值（tied weights）。
小结
空间位置排列确定了神经网络的结构参数，而局部连接和权值共享等策略显著降低了神经元之间的连接数。
示例：全连接（不包括偏置的权值连接）的参数为15个，局部连接为7个，而权值共享的参数为3个（即红绿蓝线分别共用一个参数）
12 - 激活引入非线性，池化预防过拟合
欠拟合与过拟合
欠拟合（underfitting）
样本不够，或学习算法不精，连已有数据中的特征都没有学习好，自然当面对新样本做预测时，效果肯定也好不到哪里去。
欠拟合比较容易克服，比如在神经网络中增加训练的轮数，从而可以更加“细腻”地学习样本种的特征。
过拟合（overfitting）
构建的模型一丝不苟地反映已知的所有数据，但这样一来，它对未知数据（新样本）的预测能力就会比较差。
卷积神经网络如何泛化（即防过拟合）
采样（sampling）
采样的本质就是力图以合理的方式“以偏概全”。
在卷积神经网络中，采样是针对若干个相邻的神经元而言的，因此也称为“亚采样（Subsampling）”，也就是“池化（Pooling）”。
激活层
激活层存在的最大目的，莫过于引入非线性因素(选取合适的“激活函数”)，以增加整个网络的表征能力。
Sigmoid激活函数的缺点
导数值很小。比如说，Sigmoid的导数取值范围仅为[0, 1/4]，且当输入数据很大或者很小的时候，其导数趋都近于0。
这就意味着，很容易产生所谓的梯度消失（vanishing gradient）现象。
激活函数修正线性单元(Rectified Linear Unit，简称ReLU)
标准的ReLU函数为f(x)=max(x,0)，即当x>0时，输出x; 当x<=0时，输出0。
相比于Sigmoid类激活函数，ReLU激活函数的优点
- 单侧抑制。当输入小于0时，神经元处于抑制状态。反之，当输入大于0，神经元处于激活状态。
- 相对宽阔的兴奋边界。Sigmoid的激活态（即f(x)的取值）集中在中间的狭小空间，而ReLU这不同，只要输入大于0，神经元一直都处于激活状态。
- 稀疏激活性。ReLU直接把抑制态的神经元“简单粗暴”地设置为0，就使得这些神经元不再参与后续的计算，从而造成网络的稀疏性，
ReLU激活函数除了减少了计算量，还减少了参数的相互依存关系（网络瘦身了不少），使其收敛速度远远快于其他激活函数，最后还在一定程度上缓解了过拟合问题的发生。
LeRU的这种简单直接的处理方式，也带来一些副作用。
最突出的问题就是，会导致网络在训练后期表现得非常脆弱，以至于这时的ReLU也被戏称为“死掉的ReLU（dying ReLU）”。
池化层
池化层亦称子采样层。
通常来说，当卷积层提取目标的某个特征之后，都要在两个相邻的卷积层之间安排一个池化层。
池化层函数实际上是一个统计函数，常见的统计特性包括最大值、均值、累加和及L2范数等。
池化层设计的目的主要有两个：降低了下一层待处理的数据量、预防网络过拟合。
不同的池化策略在正向传播和方向传播中的差异
最大池化函数（max pooling）
- 前向传播操作：取滤波器最大值作为输出结果
- 反向传播操作：滤波器的最大值不变，其余元素置0
平均池化函数（average pooling）
- 前向传播操作：取滤波器范围所有元素的平均值作为数据结果
- 后向传播操作：滤波器中所有元素的值，都取平均值
对于处理图片而言，通过池化操作后，原始图像就好像被打上了一层马赛克。
但计算机的“视界”和人类完全不同，池化后的图片，丝毫不会影响它们对图片的特征提取。
理论支撑就是局部线性变换的不变性（invariant）：如果输入数据的局部进行了线性变换操作（如平移或旋转等），那么经过池化操作后，输出的结果并不会发生变化。
池化综合了（过滤核范围内的）全部邻居的反馈，即通过k个像素的统计特性而不是单个像素来提取特征，自然能够大大提高神经网络的性能。
全连接层（Fully Connected Layer，简称FC）
“全连接”意味着，前层网络中的所有神经元都与下一层的所有神经元连接。
全连接层设计目的在于，它将前面各个层学习到的“分布式特征表示”，映射到样本标记空间，然后利用损失函数来调控学习过程，最后给出对象的分类预测。
实际上，全连接层是就是传统的多层感知器。
不同于BP全连接网络的是，卷积神经网络在输出层使用的激活函数不同，比如说它可能会使用Softmax函数。
全连接层的参数冗余，导致该层的参数个数占据整个网络参数的绝大部分。
由于全连接层因为参数个数太多，容易出现过拟合的现象，可采取Dropout措施来弱化过拟合。
小结
卷积神经网络的所有核心层
- 卷积层：从数据中提取有用的特征
- 激活层：为网络中引入非线性，增强网络表征能力
- 池化层：通过采样减少特征维度，并保持这些特征具有某种程度上的尺度变化不变性
- 全连接层：实施对象的分类预测
13 - 循环递归RNN，序列建模套路深
马尔科夫链思维
所谓马尔科夫链，通俗来讲，就是未来的一切，仅与当前有关，而与历史无关。
人类不具备马尔科夫链思维。
也就是说，人类不可避免地要受到历史的影响，人们善于追求前后一致，首尾协调，逻辑一贯。
换句话说，人类的行为通常是历史的产物、习惯的奴隶。
循环神经网络（Recurrent Neural Network，RNN）
循环神经网络（RNN）的输出结果不仅和当前的输入相关，还和过往的输出相关，就是能将以往的信息连接到当前任务之中。
由于利用了历史信息，当任务涉及到与时序或与上下文相关时（如语音识别、自然语言处理等），RNN就要比其他人工神经网络（如CNN）的性能要好得多。
RNN最先应用在自然语言处理领域，后来应用在“机器翻译”、“语音识别（如谷歌的语音搜索，苹果的Siri应用等）”、“个性化推荐”等众多领域。
RNN利用环路（即当前隐藏层的上次输出）来当做本层的部分输入。
循环神经网络的网络表现形式有循环结构，从而使得过去输出的信息作为记忆而被保留下来，并可应用于当前输出的计算中。
也就是说，RNN的同一隐层之间的节点是有连接的。
RNN中的“深度”，不同于传统的深度神经网络，它主要是指时间和空间（如网络中的隐层个数）特性上的深度。
RNN通过使用带有自反馈的神经元，能够处理理论上任意长度的（存在时间关联性的）序列数据。
相比于传统的前馈神经网络，它更符合生物神经元的连接方式。
也就是说，如果以模仿大脑来作为终极目标的话，它更有前途。
训练RNN的算法叫做时间反向传播（BackPropagation Through Time，简称BPTT）。
和传统的反向传播算法BP有类似之处，核心任务都是利用反向传播调参，从而使得损失函数最小化。
14 - LSTM长短记，长序依赖可追忆
长短期记忆(Long Short-Term Memory，简称LSTM)
传统RNN多采用反向传播时间（BPTT）算法的弊端在于，随着时间的流逝，网络层数的增多，会产生梯度消失或梯度爆炸等问题。
“梯度消失”：如果梯度较小的话（<1），多层迭代以后，指数相乘，梯度很快就会下降到对调参几乎就没有影响了。
“梯度爆炸”：如果梯度较大的话（>1），多层迭代以后，又导致了梯度大的不得了。
LSTM的核心本质在于，通过引入巧妙的可控自循环，以产生让梯度能够得以长时间可持续流动的路径 。
具体说来，就是通过改造神经元，添加了遗忘门、输入门和输出门等结构，让梯度能够长时间的在路径上流动，从而有效提升深度RNN的性能。
LSTM的参数训练算法，依然是熟悉的反向传播算法。