架构-LSTM理解总结(1)

序列建模和语音识别中常使用RNN，LSTM和GRU，本文就对其进行一个整理和总结。

RNN：    

双向RNN解决了上下文依赖问题，一层隐藏层的Bi-RNN结构如下所示[1]：

其中前向网络ht依赖ht-1，后项网络ht依赖ht+1，输出yt依赖前向ht，也依赖后项ht，其数学表达如下所示：

具有3个隐藏层的Bi-RNN结构如下图所示：

其数学表达如下所示：其中第i层t时刻的前向隐藏层h依赖t时刻i-1层t时刻的隐藏层，和i层t-1时刻的隐藏层。后向同理。

但是其由于其long-rang context特性导致其解码等待时间较长，如下图所示：

最后一个为Bi-RNN的解码时长，远远大于TDNN的解码时间[2]。

LSTM（Long Short Term Memory）：

LSTM解决了RNN训练中梯度消失和梯度爆炸的问题。其结构如下所示[1]：

其数学表达如下所示：

input gate:

forget gate:

cell activation vector:

output gate:

hidden layer:

展开描述为:

同样的Bi-LSTM组成也可以组成对应的网络结构，下图为5层的Bi-LSTM网络[3]

GRU (Gated Recurrent Units)：

GRU由论文[4]提出 取消了LSTM中的cell，结构上更加简单，在性能上，训练时间更短，epoch更小的情况下可以收敛。

百度的Deep speech2[5]使用的就是GRU，如下图所示：

LSTM 和GRU对比结构如下[6]：

其数学表达如下所示：

update gate:

Reset gate:

Candidate activation:

Hidden state  h：

展开描述为下图所示：

参考论文：

1.SPEECH RECOGNITION WITH DEEP RECURRENT NEURAL NETWORKS 

2.Bidirectional recurrent neural networks

3.Fast and Accurate Recurrent Neural Network Acoustic Models for Speech Recognition

4.On the properties of neural machinetranslation: Encoder-decoder approaches 

5.Deep Speech 2- End-to-End Speech Recognition in English and Mandarin

6.Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling