new pages

Section05-Neural-Networks-and-Language-Modeling/section05-test.tex

@@ -116,39 +116,75 @@
 \subsection{参数学习 - 反向传播}
 
 %%%------------------------------------------------------------------------------------------------------------
-%%% 常见的目标函数
-\begin{frame}{常见的损失函数}
+%%% 梯度下降
+\begin{frame}{梯度下降（Gradient Descent）}
 
 \begin{itemize}
-\item 损失函数记为$Loss(\hat{\textbf{y}}_i,\textbf{y}_i)$，简记为$L$，以下是常用的定义
+\item 如果把目标函数看做是参数$\textbf{w}$的函数，记为$J(\textbf{w})$。优化目标是：找到使$J(\textbf{w})$达到最小的$\textbf{w}$
+\item 注意，$\textbf{w}$可能包含几亿个实数，不能是SMT中MERT之类的调参方法。这里可以考虑一种更加适合大量实数参数的优化方法，其核心思想是\alert{梯度下降}：
+    \begin{itemize}
+    \item<2-> 如果$J(\textbf{w})$对于$\textbf{w}$可微分，$\frac{\partial J(\textbf{w})}{\partial \textbf{w}}$表示$J$在$\textbf{w}$处变化最大的方向
+    \item<2-> $\textbf{w}$沿着梯度方向更新，新的$\textbf{w}$可以使函数更接近极值
+    \end{itemize}
 \end{itemize}
 
-\vspace{0.5em}
-
-\footnotesize{
-\renewcommand{\arraystretch}{1.2}
-\begin{tabular}{l | l | l | l}
-名称 & 定义 & NiuTensor实现(\texttt{yh}表示$\hat{\textbf{y}}_i$) & 应用 \\ \hline
-0-1 & $L = \left\{ \begin{array}{ll} 0 & \hat{\textbf{y}}_i = \textbf{y}_i \\ 1 & \hat{\textbf{y}}_i \ne \textbf{y}_i \end{array} \right.$ & \scriptsize{\texttt{L = Sign(Absolute(yh - y))}} & 感知机 \\ 
-Hinge & $L=\max(0,1-\hat{\textbf{y}}_i \cdot \textbf{y}_i)$ & \scriptsize{\texttt{L = Max(0, 1 - yh * y))}} & SVM \\
-绝对值 & $L=|\hat{\textbf{y}}_i - \textbf{y}_i|$ & \scriptsize{\texttt{L = Absolute(yh - y)}} & 回归 \\ 
-Logistic & $L=\log(1 + \hat{\textbf{y}}_i \cdot \textbf{y}_i)$ & \scriptsize{\texttt{L = Log(1 + yh * y)}} & 回归 \\
-平方 & $L=(\hat{\textbf{y}}_i - \textbf{y}_i)^2$ & \scriptsize{\texttt{L = Power(yh - y, 2)}} & 回归 \\
-指数 & $L=\exp(- \hat{\textbf{y}}_i \cdot \textbf{y}_i) $ & \scriptsize{\texttt{L = Exp(Negate(yh * y))}} & \scriptsize{AdaBoost} \\
-交叉熵 & $L=-\sum_k \textbf{y}_i^{[k]} \log \hat{\textbf{y}}_i^{[k]} $ & \scriptsize{\texttt{L = CrossEntropy(y, yh)}} & 多分类 \\
-       & \scriptsize{$\textbf{y}_i^{[k]}$: $\textbf{y}_i$的第$k$维} & & \\
-\end{tabular}
-\renewcommand{\arraystretch}{1.0}
+\pgfplotsset{%
+  colormap={whitered}{color(-1cm)=(orange!75!red);color(1cm)=(white)}
 }
 
-\vspace{-0.5em}
-\begin{itemize}
-\item 注意：
-    \begin{itemize}
-    \item 损失函数可以根据问题不同进行选择，没有固定要求
-    \item 有些损失函数对网络输出有要求，比如交叉熵要求$\hat{\textbf{y}}_i$和$\textbf{y}_i$都是概率分布
-    \end{itemize}
-\end{itemize}
+
+\begin{center}
+\begin{tikzpicture}[
+  declare function = {mu1=1;},
+  declare function = {mu2=2;},
+  declare function = {sigma1=0.5;},
+  declare function = {sigma2=1;},
+  declare function = {normal(\m,\s)=1/(2*\s*sqrt(pi))*exp(-(x-\m)^2/(2*\s^2));},
+  declare function = {bivar(\ma,\sa,\mb,\sb)=1/(2*pi*\sa*\sb) * exp(-((x-\ma)^2/\sa^2 + (y-\mb)^2/\sb^2))/2;}]
+  \footnotesize{
+  \visible<2->{
+  \begin{scope}
+  \begin{axis}[
+    colormap name  = whitered,
+    width          = 8cm,
+    height         = 5cm,
+    view           = {20}{45},
+    enlargelimits  = false,
+    grid           = major,
+    domain         = -1:3,
+    y domain       = 0:4,
+    samples        = 30,
+    xlabel         = $\textbf{w}^{[1]}$,
+    ylabel         = $\textbf{w}^{[2]}$,
+    xlabel style   = {xshift=0em,yshift=0.8em},
+    ylabel style   = {xshift=0.2em,yshift=0.8em},
+    zlabel         = {$f(\cdot)$},
+    ztick          = {-0.1},
+    colorbar,
+    colorbar style = {
+      at     = {(1.2,0.5)},
+      anchor = north west,
+      ytick  = {0,-0.1},
+      height = 0.25*\pgfkeysvalueof{/pgfplots/parent axis height},
+      title  = {}
+    }
+  ]
+    \addplot3 [surf] {-bivar(mu1,sigma1,mu2,sigma2)};
+
+    \node [circle,fill=red,minimum size=3pt,inner sep=1.5pt] () at (axis cs:0.5,2,-0.01) {};
+    
+    \draw [->,very thick,ublue] (axis cs:0.5,2,-0.01) -- (axis cs:0.8,1.6,-0.03) node [pos=1,right,inner sep=2pt] {\tiny{-$\frac{\partial J(\textbf{w})}{\partial \textbf{w}}$}};
+    \draw [->,very thick,dotted] (axis cs:0.5,2,-0.01) -- (axis cs:0.2,1.5,-0.03);
+    \draw [->,very thick,dotted] (axis cs:0.5,2,-0.01) -- (axis cs:0.5,3,-0.03);
+    %\draw [black!50] (axis cs:0,-1,0) -- (axis cs:0,4,0);
+
+  \end{axis}
+  \end{scope}
+  }
+  }
+\end{tikzpicture}
+\end{center}
+
 
 \end{frame}
 

Section05-Neural-Networks-and-Language-Modeling/section05.tex

@@ -2710,7 +2710,7 @@ cycle}
 
 %%%------------------------------------------------------------------------------------------------------------
 %%% 神经网络 = 表达式
-\begin{frame}{神经网络 = 表达式}
+\begin{frame}{神经网络 = 函数表达式}
 \begin{itemize}
 \item 所有的神经网络都可以看做由变量和函数组成的表达式\\
 \end{itemize}
@@ -2855,5 +2855,31 @@ Logistic & $L=\log(1 + \hat{\textbf{y}}_i \cdot \textbf{y}_i)$ & \scriptsize{\te
 
 \end{frame}
 
+%%%------------------------------------------------------------------------------------------------------------
+%%% 优化目标函数
+\begin{frame}{参数优化}
+
+\begin{itemize}
+\item 对于第$i$个输入样本($\textbf{x}_i$,$\hat{\textbf{y}}_i$)，如果把损失函数看做参数$\textbf{w}$的函数（把$\textbf{b}$也作为一种$\textbf{w}$），记为$L(\textbf{x}_i,\hat{\textbf{y}}_i;\textbf{w})$，则参数学习可以被描述为：\\
+
+\begin{displaymath}
+\textbf{w}^* = \argmin_{\textbf{w}} \frac{1}{n} \sum_{i=1}^{n} L(\textbf{x}_i,\hat{\textbf{y}}_i;\textbf{w})
+\end{displaymath}
+
+$\textbf{w}^*$表示在训练集上使得损失的平均值达到最小的参数。$\frac{1}{n} \sum_{i=1}^{n} L(\textbf{x}_i,\hat{\textbf{y}}_i;\textbf{w})$被称作代价函数(cost function)，它是损失函数均值期望的估计。
+
+\vspace{0.5em}
+
+\item<2-> 核心问题：\textbf{求解$\argmin$，即找到代价函数最小值点}
+    \begin{itemize}
+    \item 这是非常常见的问题，回一下第三章的IBM模型，当时使用的是EM算法
+    \item 但是这里并不是一个生成模型
+    \item 需要一种更加通用的求解方法
+    \end{itemize}
+
+\end{itemize}
+
+\end{frame}
+
 \end{CJK}
 \end{document}