码迷,mamicode.com
首页 > 其他好文 > 详细

Deep learning From Image to Sequence

时间:2014-10-10 11:21:04      阅读:368      评论:0      收藏:0      [点我收藏+]

标签:deep learning   cnn   rbm   dnn   rnn   

本文笔记旨在概括地讲deep learning的经典应用。内容太大,分三块。

---------------------------------------------------------------------------------------------

                                                     Content


1. 回顾 deep learning在图像上的经典应用 

    1.1 Autoencoder

    1.2 MLP

    1.3 CNN<详细的见上一篇CNN>

2. deep learning处理语音等时序信号

    2.1 对什么时序信号解决什么问题

    2.2 准备知识

        2.2.1 Hidden Markov Model(HMM)

        2.2.2 GMM-HMM for Speech Recognition

        2.2.3 Restricted Boltzmann Machine(RBM)

3.  DBN 和 RNN 在语音上的应用 

    3.1 DBN

        3.1.1 DBN架构

        3.1.2 DBN-DNN for Speech Recognition

    3.2 RNN

        3.2.1 RNN种类

        3.2.2 RNN-RBM for Sequential signal Prediction


---------------------------------------------------------------------------------------------


1. 回顾 deep learning处理图像等非时序信号 <详细的见上一篇CNN>

----------------------------------------------

1.1 AutoEncoder(unsupervised)

bubuko.com,布布扣

扩展:Stack AutoEncoder(可以变成supervised),见Andrew Ng的UFLDL教程,我就不贴图了



----------------------------------------------

1.2 MLP

MLP(ANN)是最naive的神网分类器。一个hidden层,连两端nonlinear function,output输出为f(x),softmax做分类。

bubuko.com,布布扣


----------------------------------------------

1.3 Convolutional Neural Network

特点:1. 非全连接,2、共享权重

做法:1. 卷积 2. 降采样(pooling)

具体见上一篇CNN

bubuko.com,布布扣








---------------------------------------------------------------------------------------------

2. deep learning处理语音等时序信号

2.1 对什么时序信号解决什么问题:

handwriting recognition
speech recognition
music composition
protein analysis
stock market prediction
...



2.2 准备知识:

----------------------------------------------

       2.2.1 Hidden Markov Model(HMM) - 带unobserved(这就是所谓hidden)states的随机过程,表示输入语音信号和hidden state(因素)的模型:

bubuko.com,布布扣

<figure from wiki>

训练HMM模型:给定一个时序y1...yT, 用MLE(typically EM implemented,具体见这篇第三部分training) 估计参数;



----------------------------------------------

            2.2.2 GMM-HMM for Speech Recognition (较大,单独放在一篇blog里了)


----------------------------------------------

            2.2.3 Restricted Boltzmann Machine


           讲RBM之前要先讲一下生成模型……<How to build a single layer of feature detector>

           大体分为两类——directed model & undirected model:

             1.directed model (e.g. GMM 从离散分布求latent状态)

                    根据先验分布选择latent variable的状态

                    给定latent states,根据条件分布求observable variables的状态

             2.undirected model

                    只用参数W,通过能量函数定义v(visible)和h(hidden latent variables)的联合概率

bubuko.com,布布扣


             根据”explaining away”,如果latent和visible变量有着非线性关系,directed model很难推断出latent variable的状态;但在undirected model中,只要latent变量间没有变项链就可以轻松推断。

PS: explaining away是什么?

state的先验相互独立,后验也相互独立,



下面再讲RBM。


           RBM 是马尔科夫随机场(MRF)的一种。不同之处:

           1. RBM是一个双向连接图(bipartite connectivity graph)

           2. RBM在不同unit之间不共享权重

           3. 有一部分变量是unobserved


RBM对能量函数E(v,h)的定义:



bubuko.com,布布扣

bubuko.com,布布扣


RBM的参数构成:W(weight), bias_h, bias_v

已知联合分布P(v,h) , 可通过Gibbs采样边缘分布分别得到h,v,根据Gradient of NLL进行梯度下降学习到参数。

RBM的训练目标是:最大化p(v=visible)。(visible=真实的visible数据)

RBM实际训练过程中,对每个training_batch:

       contrastive divergence 采样k次(gibbs CD-k)

       根据cost function进行update : bubuko.com,布布扣, 即 cost = T.mean(self.free_energy(self.input)) - T.mean(self.free_energy(chain_end))




上面讲的RBM都是v,h = 0/1的,那怎么处理real-value的呢?

ANS:用Gaussian-Bernoulli RBM (GRBM)。对上面经典RBM改动不大,只需要改energy function & conditional prob:

bubuko.com,布布扣

bubuko.com,布布扣








3.  DBN 和 RNN 在语音上的应用 

3.1 DBN

        3.1.1 DBN架构


bubuko.com,布布扣

流程:

1. pre-train

从左到右来看,由于输入为real-value,所以第一层为GRBM,训练W1

GRBM训练出来的hidden给下一个RBM做input,训练W2

这个RBM训练出来的hidden再传给下一个RBM做input,训练W3

……(重复)


2. 可以直接把这几层pre-train好的W叠起来,双向weight箭头全改成top-down的,成了一个DBN生成模型


3. 加分类器

可以最后在这个pre-trained网络头部加一个softmax分类器,其中每个节点表示HMM中一个状态,去做有监督的fine-tuning.。





        3.1.2 DBN-DNN for Speech Recognition

如果你仔细看过上一篇GMM-HMM for Speech Recognition就会发现,这个模型和GMM-HMM只差在GMM

即,DNN-HMM用DNN(undirected model)代替了HMM(directed model),这样的好处是可以解决h,v之间非线性关系映射。


bubuko.com,布布扣bubuko.com,布布扣

Fig1. GMM-HMM                                                                                      Fig2. DNN-HMM


    3.2 RNN

        3.2.1 RNN种类

常见的:

1.Fully Recurrent Network

2.Hopfield Network

3.Elman Network (Simple Recurrent networks)

4.Long short term memory network

bubuko.com,布布扣

fig. LSTM



        3.2.2 RNN-RBM for Sequential signal Prediction

见一个RNN例子,RNNRBM(RNN-RBM for music composition 网络架构及程序解读








Reference: 

为了大家看的方便,我推荐从简了。。。抄了太多图,不贴出处了大牛们见谅。。不然一堆推荐无从下手滴样纸

Deep Learning 在语音上的应用DNN经典文章:

1. Hinton, Li Deng, Dong Yu大作:Deep Neural Networks for Acoustic Modeling in Speech Recognition

2. Andrew Ng, NIPS 09, Unsupervised feature learning for audio classi?cation using convolutional deep belief networks


Deep Learning 在语音上的应用RNN经典文章:

1. Bengio ICML 2012. RNN+RBM paper有实现 (下一篇细讲)

2. Schmidhuber JMLR 2002 paper讲LSTM经典

3. The Use of Recurrent Neural Networks in Continuous Speech Recognition, 老文章讲RNN比较基础,但是确实经典











Deep learning From Image to Sequence

标签:deep learning   cnn   rbm   dnn   rnn   

原文地址:http://blog.csdn.net/abcjennifer/article/details/27170627

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!