Question

我训练了一个简单的reccurent网络（62个输入单元，124个隐藏/上下文单元，62个输出单元）来预测句子中的后续单词。我使用了sigmoid激活功能。由于一些各种奇怪的原因，在训练期间无法应用softmax。我的教授建议，我之后可以将softmax应用于网络输出。矩阵有576行和62个coloumns。所以我用以下方式在R中实现了softmax：

softmax <- function(outVec = NULL){
  s.vec <- exp(outVec)/sum(exp(outVec))
  return(s.vec)
}

softmax_complete <- function(vec = NULL){
  softmaxed.vec <- matrix(apply(vec, 1, softmax), ncol=dim(vec)[2], nrow=dim(vec)[1])
  return(softmaxed.vec)
}

softmax_complete（）返回的矩阵的每一行，正确地求和为1.问题是，对于每一行，我的函数产生的值彼此非常相似。它不可能验证网络性能，因为这些值几乎相同＆＃34;。

这是一些小例子数据。它来自网络输出的第二行。 Softmax尚未应用。

output.vec <- c(0.2371531427, 0.0085829534, 0.0007576860, 0.0027021256, 0.0025776778, 0.0014593119, 0.0019006504, 0.0403518006,
                0.0024586972, 0.0517364480, 0.0012057235, 0.0950696915, 0.0025749709, 0.0008823058, 0.0005064047, 0.0014039490,
                0.0013259919, 0.0014723240, 0.0011820868, 0.0011805159, 0.0009319001, 0.0022884205, 0.0023589570, 0.0020189525,
                0.0015377736, 0.0937648788, 0.0012874968, 0.0443032309, 0.0012919122, 0.0897148922, 0.0022041877, 0.0444274731,
                0.0014143962, 0.0361100733, 0.0020817134, 0.0447632931, 0.0009620183, 0.0011552101, 0.0016173105, 0.0016870035,
                0.0011272663, 0.0019183536, 0.0017270016, 0.0011056620, 0.0007743868, 0.0026786255, 0.0019340677, 0.0010532230,
                0.0014585924, 0.0386148430, 0.0012295874, 0.0390544645, 0.0017903288, 0.0967107117, 0.0013074477, 0.0006164946,
                0.0001758277, 0.0001023397, 0.0004014068, 0.0004558225, 0.0003554984, 0.0001830685)

当我将softmax应用于该行时，我得到以下结果：

[1] 0.01585984 0.01583950 0.01567646 0.01583540 0.01735750 0.01579704 0.01587178 0.01589101 0.01586093 0.01590457
[11] 0.01586255 0.01637181 0.01590217 0.01584308 0.01570456 0.01581733 0.01952223 0.01590497 0.01970620 0.01578586
[21] 0.01610417 0.01591379 0.01588095 0.01584309 0.01567710 0.01582956 0.01650858 0.01573117 0.01589502 0.01608836
[31] 0.01574208 0.01582079 0.01584367 0.01569571 0.01583481 0.01596172 0.01577246 0.01586151 0.01605467 0.01574746
[41] 0.01586397 0.01581472 0.01576479 0.01580914 0.01583660 0.01566672 0.01584366 0.02017004 0.01585517 0.02007705
[51] 0.01580263 0.01583277 0.01580424 0.01583763 0.01587117 0.01568283 0.01583775 0.01595945 0.01587471 0.01575585
[61] 0.01584288 0.01577770

行总和为1.000703。对于上面样本中未描述的另一行，行和为0.9976472。我做错了什么？

也许你们有想法解决这个问题。提前感谢您的时间和帮助： - ）

问候，马蒂亚斯

编辑：

这是我通过RSNNS创建Elman Net的方式：

elman<-rsnnsObjectFactory(subclass=c("elman"), nInputs=inputNeurons, maxit=maxIterations, 
                     initFunc="JE_Weights", initFuncParams=c(0.15, -0.15, 0, 1.0, 0.5), 
                     learnFunc="JE_BP", learnFuncParams=c(learnRate),
                     updateFunc="JE_Order", updateFuncParams=c(0),
                     shufflePatterns=FALSE, computeIterativeError=FALSE) 
  elman$archParams <- list(size=hiddenNeurons)
  elman$snnsObject$elman_createNet(c(inputNeurons, hiddenNeurons, outputNeurons),c(1,1,1),FALSE)
  elman$snnsObject$initializeNet(c(0.15, -0.15, 0, 1.0, 0.5), initFunc="JE_Weights") 
  elman$snnsObject$setUnitDefaults(1,0,1,0,1,"Act_Logistic","Out_Identity")
  elman$snnsObject$setTTypeUnitsActFunc("UNIT_INPUT", "Act_Logistic")
  elman$snnsObject$setTTypeUnitsActFunc("UNIT_SPECIAL_H", "Act_Identity")
  elman$snnsObject$setTTypeUnitsActFunc("UNIT_OUTPUT", "Act_Logistic")

Answer 1

softmax的更简洁版本将是：

softmax <- function(x){
  score.exp <- exp(x)
  probs <-sweep(score.exp, 1, rowSums(score.exp), '/')
  return(probs)
}

您现在可以直接传递矩阵。现在，查看您提供的矢量。

res <- softmax(matrix(output.vec, nrow=1))
sum(res)
[1] 1

然而，您的价值似乎没有太大差异。在我看来，对于这个特定的样本，这并不是您的RNN提供的信息。根据这一点，最可能的“阶级”是概率为2％的第一类。

我建议使用上面的函数在整个数据集中尝试它。

这都是假设您实施神经网络的很多事情。如果您可以提供对所用软件的参考以及至少您正在设置的参数，将会很有帮助。

使用Softmax转换输出激活产生类似的值

1 个答案: