基于LSTM-RNN的深度学习网络的训练对比matlab仿真

Posted 2023-05-17 51matlab

1.算法仿真效果

matlab2022a仿真结果如下：

 

 

 

2.算法涉及理论知识概要

        长短期记忆网络（LSTM，Long Short-Term Memory）是一种时间循环神经网络，是为了解决一般的RNN（循环神经网络）存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式。在标准RNN中，这个重复的结构模块只有一个非常简单的结构，例如一个tanh层。

 

        长短期记忆网络（Long-Short Term Memory,LSTM）论文首次发表于1997年。由于独特的设计结构，LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件。LSTM的表现通常比时间递归神经网络及隐马尔科夫模型（HMM）更好，比如用在不分段连续手写识别上。2009年，用LSTM构建的人工神经网络模型赢得过ICDAR手写识别比赛冠军。LSTM还普遍用于自主语音识别，2013年运用TIMIT自然演讲数据库达成17.7%错误率的纪录。作为非线性模型，LSTM可作为复杂的非线性单元用于构造更大型深度神经网络。

 

       LSTM是一种含有LSTM区块（blocks）或其他的一种类神经网络，文献或其他资料中LSTM区块可能被描述成智能网络单元，因为它可以记忆不定时间长度的数值，区块中有一个gate能够决定input是否重要到能被记住及能不能被输出output。图1底下是四个S函数单元，最左边函数依情况可能成为区块的input，右边三个会经过gate决定input是否能传入区块，左边第二个为input gate，如果这里产出近似于零，将把这里的值挡住，不会进到下一层。左边第三个是forget gate，当这产生值近似于零，将把区块里记住的值忘掉。第四个也就是最右边的input为output gate，他可以决定在区块记忆中的input是否能输出 。LSTM有很多个版本，其中一个重要的版本是GRU（Gated Recurrent Unit），根据谷歌的测试表明，LSTM中最重要的是Forget gate，其次是Input gate，最次是Output gate。

 

 

 

       传统RNN网络由于结构存在固有缺陷，在参数更新时会存在梯度消失以及梯度爆炸的问题，导致长距离的历史信息丢失，进一步造成网络极难收敛，无法训练出理想的模型。LSTM作为一种改进的循环神经网络，在原有网络结构的基础上加入了细胞状态(cell state)的结构来控制全局信息的传输，并通过遗忘门，输入门，输出门三种门控单元控制细胞状态信息值的更新。LSTM在极大程度上缓解了传统RNN模型存在的长期依赖问题，减少了长距离历史信息的丢失，输出的预测结果更准确 。

 

LSTM通过以下公式进行更新权值矩阵和偏置参数等网络信息：

 

 

 

 

3.MATLAB核心程序

 

clc;
clear;
close all;
warning off;
addpath(genpath(pwd));
 
 
 
RNN;
 
LSTM_RNN;
 
figure
load R1.mat
loglog(1:10:clc_times,errt(1:10:end),\'b.\');
hold on
load R2.mat
loglog(1:10:clc_times,errt(1:10:end),\'r.\');
grid on
 
legend(\'RNN\',\'LSTM-RNN\');
 
xlabel(\'迭代次数\');
ylabel(\'误差\');
 
 
 
figure
load R1.mat
loglog(1:10:clc_times,smooth(errt(1:10:end),1024),\'b.\');
hold on
load R2.mat
loglog(1:10:clc_times,smooth(errt(1:10:end),1024),\'r.\');
grid on
 
legend(\'RNN\',\'LSTM-RNN\');
 
xlabel(\'迭代次数\');
ylabel(\'误差\');
 
    % 前向传播
    for position = 0:binary_dim - 1
        % x---->输出向量：1*input_dim  （1*2）
        x = [a(binary_dim - position) - \'0\',b(binary_dim - position) - \'0\',bias];
        % y---->真值标签：1*output_dim  (1*1)
        y = c(binary_dim - position) - \'0\';
        
        % 输入门
        InGate_in = x * W_I + H(end,:) * U_I + S(end,:) * S_I;
        InGate_out = sigmoid(InGate_in);
        % 遗忘门
        ForgetGate_in = x * W_F + H(end,:) * U_F + S(end,:) * S_F;
        ForgetGate_out = sigmoid(ForgetGate_in);
        % G门 
        G_in = x * W_G + H(end,:) * U_G;
        G_out = tanh(G_in);
        % Cell状态更新
        S_t = ForgetGate_out .* S(end,:) + InGate_out .* G_out;
        % 输出门
        OutGate_in = x * W_O + H(end,:) * U_O + S_t * S_O;
        OutGate_out = sigmoid(OutGate_in);
        % 记忆模块（隐藏层输出）H
        H_t = OutGate_out .* tanh(S_t);
        
        % 输出层输出
        output_in = H_t * W_OUT;
        output_out = sigmoid(output_in);
        
        % 预测值输出，用于显示
        d(binary_dim - position) = round(output_out);
        
        % 输出层的梯度记录
        y_delta = [y_delta;(y - output_out).*dsigmoid(output_out)];
        
        % 各门状态保存
        I = [I;InGate_out];
        F = [F;ForgetGate_out];
        O = [O;OutGate_out];
        G = [G;G_out];
        S = [S;S_t];
        H = [H;H_t];

 

　　

 

为 LSTM-RNN 训练填充时间序列子序列

【中文标题】为 LSTM-RNN 训练填充时间序列子序列

【英文标题】：Padding time-series subsequences for LSTM-RNN training

【发布时间】：2017-10-23 05:22:50

【问题描述】：

我有一个时间序列数据集，我将其用作 LSTM-RNN 的输入以进行动作预测。时间序列包括 30 fps 的 5 秒时间（即 150 个数据点），数据表示面部特征的位置/移动。

我从我的数据集中抽取额外的较小长度的子序列，以便在数据集中添加冗余并减少过度拟合。在这种情况下，我知道子序列的开始和结束帧。

为了批量训练模型，所有时间序列需要具有相同的长度，并且根据文献中的许多论文，padding 不应影响网络的性能。

例子：

原序列：

 1 2 3 4 5 6 7 8 9 10

子序列：

4 5 6 7
8 9 10
2 3 4 5 6

考虑到我的网络正在尝试预期一个动作（这意味着只要 P(action) > 阈值，它从 t = 0 到 T = tmax，它就会预测那个动作）填充物去哪里重要吗？

选项 1：用零替换原始值

0 0 0 4 5 6 7 0 0 0
0 0 0 0 0 0 0 8 9 10
0 2 3 4 5 6 0 0 0 0

选项 2：最后全为零

4 5 6 7 0 0 0 0 0 0 
8 9 10 0 0 0 0 0 0 0
2 3 4 5 0 0 0 0 0 0

此外，一些时间序列丢失了一些帧，但不知道它们是哪些 - 这意味着如果我们只有 60 帧，我们不知道它们是否是从 0 到 2 秒，从 1 到 3 秒等。这些都需要在子序列被采用之前进行填充。在这种情况下，填充的最佳做法是什么？

提前谢谢你。

【参考方案1】：

如果你有可变长度的序列，pytorch 提供了一个实用函数torch.nn.utils.rnn.pack_padded_sequence。使用此功能的一般工作流程是

from torch.nn.utils.rnn import pack_padded_sequence, pad_packed_sequence
embedding = nn.Embedding(4, 5)
rnn = nn.GRU(5, 5)

sequences = torch.tensor([[1,2,0], [3,0,0], [2,1,3]])
lens = [2, 1, 3] # indicating the actual length of each sequence

embeddings = embedding(sequences)
packed_seq = pack_padded_sequence(embeddings, lens, batch_first=True, enforce_sorted=False)

e, hn = rnn(packed_seq)

可以收集每个token的嵌入

e = pad_packed_sequence(e, batch_first=True)

使用这个函数比自己填充要好，因为torch 将限制 RNN 只检查实际序列并在填充标记之前停止。

【参考方案2】：

最好在一开始就填充零，正如本文所建议的Effects of padding on LSTMs and CNNs，

虽然 post padding 模型在 6 个 epoch 时效率达到顶峰，然后开始过度拟合，但它的准确性远低于 pre-padding。

查看表1，pre-padding（开头补零）的准确率在80%左右，而post-padding（最后补零）的准确率只有50%左右

【参考方案3】：

一般来说，LSTM 和 RNN 最强大的属性是它们的参数在时间范围内共享（参数 recur 在时间范围内），但参数共享依赖于假设相同的参数可以用于不同的时间步，即前一个时间步和下一个时间步之间的关系不依赖于 t，如 here in page 388, 2nd paragraph 解释的那样。

简而言之，在末尾填充零，理论上不应该改变模型的准确性。我使用了副词理论上，因为在每个时间步长 LSTM 的决定取决于它的细胞状态以及其他因素，而这种细胞状态是过去帧的简短总结。据我了解，您的情况可能缺少过去的帧。我认为你在这里需要做一些权衡。

我宁愿在最后填充零，因为它不会与 RNN 的基本假设完全冲突，并且更便于实现和跟踪。

在实现方面，我知道 tensorflow 会在您给它序列和每个样本的实际序列大小后计算损失函数（例如，对于 4 5 6 7 0 0 0 0 0 0，您还需要给它实际的size 此处为 4）假设您正在实施选项 2。不过，我不知道是否有选项 1 的实施。

【讨论】：

谢谢，很有帮助！