Highway結構

Highway結構，一種可學習的門限機制，在此機制下，一些信息流沒有衰減的通過一些網路層，適用於SGD法。

基本介紹

• 中文名：Highway結構
• 外文名：Highway structure
• 別名：Highway Networks

Highway結構解決的問題

隨著神經網路的發展，網路的深度逐漸加深（更深的層數以及更小的感受野，能夠提高網路分類的準確性），網路的訓練也就變得越來越困難。Highway Networks就是一種解決深層次網路訓練困難的網路框架。

公式

傳統的神經網路前向傳播（忽略偏置和層索引）：

H為非線性函式，W為權重，x為輸入，y為輸出。

Highway Networks的前向傳播：

T為transform gate，C為carry gate；

，即：

的維度必須相同，不夠補零。

最後得到：

該層的雅可比變換為：

一部分數據進行處理，一部分直接通過，最後的輸出公式為：

Highway Networks的卷積層與全連結層相似，對權值共享和局部感受野進行H和T的轉化。轉化門T定義， 為權重矩陣， 為偏置。

Highway結構的套用

Highway Network主要解決的問題是，網路深度加深，梯度信息回流受阻造成網路訓練困難的問題。圖1是沒有Highway和有Highway的對比圖：

圖1 沒有Highway和有Highway對比圖

可以看到，當網路加深，訓練的誤差反而上升了，而加入了highway之後，這個問題得到了緩解。一般來說，深度網路訓練困難是由於梯度回流受阻的問題，可能淺層網路沒有辦法得到調整。Highway Network 受LSTM啟發，增加了一個門函式，讓網路的輸出由兩部分組成，分別是網路的直接輸入以及輸入變形後的部分。