Yoshua Bengio 等人提出了一種新型循環神經網絡，該網絡由前向和反向循環網絡組成，并且前向和反向隱藏狀態之間有一定的緊密度而共同預測相同的符號。因為前向 RNN 包含了前面序列的信息，而反向 RNN 在同一位置包含了未來的信息，所以利用正則項連接這兩種信息將有助于 RNN 獲取學習長期依賴的能力。

論文地址：https://arxiv.org/abs/1708.06742

對序列數據(如文本)的長期依賴(long-term dependencies)建模一直是循環神經網絡中長期存在的問題。這個問題和目前循環神經網絡架構沒有明確的規劃是嚴格相關的，更具體來說，循環神經網絡只是在給定前一個符號(token)的基礎上預測下一個符號。在本論文中，我們介紹了一種鼓勵 RNN 規劃未來的簡單方法。為了實現這種規劃，我們引進了一種反向訓練和生成序列的附加神經網絡，并且要求前向 RNN 和反向 RNN 中的狀態有一定的緊密度以預測相同的符號。在每一步中，前向 RNN 的狀態要求匹配包含在反向狀態中的未來信息。我們假設這種方法簡化了長期依賴關系的建模，因此更有助于生成全局一致的樣本。該模型在語音識別任務上實現了 12% 的相對提升(相對于基線 7.6，CER 達到了 6.7)。

模型

給定數據集 X = {x^1 , . . . , x^ n }，其中 x={x_1, . . . , x_T } 為觀察序列，RNN 模型對序列空間的概率 p(x) 及其概率密度進行建模，通常我們會訓練 P 以***化觀察數據的對數似然函數 ：

RNN 會將序列的概率分解為：

也就是說，RNN 在給定前面所有元素的情況下預測下一個元素。在每一步中，RNN 迭代地總結時間步 t 之前的序列值而更新一個隱藏狀態(下文用 h_ft 代表)。即，其中 f 代表網絡前向地讀取序列，而Φ_f 為典型的非線性函數，如 LSTM 單元。預測值 x_t 在 h_ft 的頂部執行另一個非線性轉換，即 p_f(x_t|x<t)=ψ_f(h_ft)。因此，h_ft 總結了前面序列中的信息。該方法的基本思想是提升 h_ft，以令其不僅包含對預測 x_t 有用的信息同時還兼容序列中將要出現的符號信息。

如上圖 1 所示，前向和反向網絡獨立地預測序列 {x1, ..., x4}。正則化罰項將匹配前向(或前向參數函數)和反向隱藏狀態。前向網絡會從對數似然目標函數接收到梯度信號，并且狀態之間的 L_i 是預測相同的符號。反向網絡僅通過***化數據對數似然度而進行訓練。在評估階段中，部分網絡(藍色表達)將會被丟棄。L_i 的成本為歐幾里德距離或通過仿射變換 g 學到的度量。

正則化損失

我們最開始試驗是使用 L2 損失來匹配前向和反向隱藏狀態。雖然這給我們一定的提升，但是我們發現這種損失太嚴格而不允許模型有足夠的靈活性來生成稍微不同的前向和反向隱藏狀態。因此，我們試驗了參數方程以匹配前向和反向狀態。這種情況下，我們簡單地使用了一個參數仿射轉換(parametric affine transformation)，以允許前向路徑不一定精確地匹配反向路徑。雖然不一定完全精確，但這種方法只允許前向隱藏狀態包含反向隱藏狀態的信息。實驗上，我們發現參數損失在語音-文本生成任務中給模型很大的提升。具體來說，我們首先使用 L2 正則項為，而我們使用的參數正則項為，其中 g(·) 為 h_ft 上的簡單仿射變換。

表 1：WSJ 數據集上的平均字符錯誤率(CER%)

我們在表 1 中總結了實驗結果。從仿射變換學到的度量方法展現了非常好的性能，并且我們從網絡中解碼并沒有使用任何外部的語言模型，這進一步強調了該正則化方法的重要性。我們的模型相對于基線模型在性能上提升了 12%。

【本文是51CTO專欄機構“機器之心”的原創譯文，微信公眾號“機器之心( id: almosthuman2014)”】

戳這里，看該作者更多好文