一、EMA 简介

1、演化

• 算术平均（权重相等）—>加权平均（权重不等）—>移动平均（大约是只取最近的 N 次数据进行计算）—> 批量归一化(BN)及各种优化算法的基础
• EMA：是以指数式递减加权的移动平均，各数值的加权影响力随时间呈指数式递减，时间越靠近当前时刻的数据加权影响力越大

2、公式及理解

• vt=βvt−1+(1−β)θt$v_t=\beta v_{t-1}+(1-\beta ){\theta }_t$，公式中 θt${\theta }_t$ 为 t 时刻的实际温度；系数 β$\beta$ 表示加权下降的快慢，值越小权重下降的越快；vt$v_t$ 为 t 时刻 EMA 的值。
• 当 v0=0$v_0=0$ 时，可得：vt=(1−β)(θt+βθt−1+β2θt−2+...+βt−1θ1)$v_t=(1-\beta )({\theta }_t+\beta {\theta }_{t-1}+{\beta }^2{\theta }_{t-2}+...+{\beta }^{t-1}{\theta }_1)$，从公式中可以看到：每天温度(θ$\theta$)的权重系数以指数等比形式缩小，时间越靠近当前时刻的数据加权影响力越大。
• 在优化算法中，我们一般取 β>=0.9$\beta >=0.9$，而 1+β+β2+...+βt−1=1−βt1−β$1+\beta +{\beta }^2+...+{\beta }^{t-1}=\frac{1-{\beta }^t}{1-\beta }$，所以当 t 足够大时 βt≈0${\beta }^t\approx 0$，此时便是严格意义上的指数加权移动平均。
  
• 在优化算法中，我们一般取 β>=0.9$\beta >=0.9$，此时有 β11−β≈1e≈0.36${\beta }^{\frac{1}{1-\beta }}\approx \frac{1}{e}\approx 0.36$，也就是说 N=11−β$N=\frac{1}{1-\beta }$ 天后，曲线的高度下降到了约原来的 13$\frac{1}{3}$，由于时间越往前推移 θ$\theta$ 权重越来越小，所以相当于说：我们每次只考虑最近(latest) N=11−β$N=\frac{1}{1-\beta }$ 天的数据来计算当前时刻的 EMA，这也就是移动平均的来源。

---

二、EMA 偏差修正

• 在 β=0.98$\beta =0.98$ 时，理想状况下，我们应该能得到绿色曲线，然而现实我们得到的却是紫色曲线，它的起点比真实的要低很多，不能很好的估计起始位置的温度，此问题称为：冷启动问题，这是由于 v0=0$v_0=0$ 造成的。
• 解决方案：将所有时刻的 EMA 除以 1−βt$1-{\beta }^t$ 后作为修正后的 EMA。当 t 很小时，这种做法可以在起始阶段的估计更加准确；当 t 很大时，偏差修正几乎没有作用，所以对原来的式子几乎没有影响。注意：我们一般取 β>=0.9$\beta >=0.9$，计算 t 时刻偏修正后的 EMA 时，用的还是 t−1$t-1$ 时刻修正前的EMA。

---

三、EMA 的优点及其应用理解

1、EMA 的优点

• 它占用极少内存：计算指数加权平均数只占用单行数字的存储和内存，然后把最新数据代入公式，不断覆盖就可以了。
• 移动平均线能较好的反应时间序列的变化趋势，权重的大小不同起到的作用也是不同，时间比较久远的变量值的影响力相对较低，时间比较近的变量值的影响力相对较高。

2、EMA 在 Momentum 优化算法中应用的理解

• 假设每次梯度的值都是 g$g$、γ=0.95$\gamma =0.95$ ，此时参数更新幅度会加速下降，当 n 达到 150 左右，此时达到了速度上限，之后将匀速下降（可参考一中的公式理解）。
• 假如，在某个时间段内一些参数的梯度方向与之前的不一致时，那么真实的参数更新幅度会变小；相反，若在某个时间段内的参数的梯度方向都一致，那么其真实的参数更新幅度会变大，起到加速收敛的作用。在迭代后期，由于随机噪声问题，经常会在收敛值附近震荡，动量法会起到减速作用，增加稳定性。
  

---

四、参考资料

1、Coursera：Exponentially-Weighted-Moving-Averages
2、Gluon：优化算法中关于 EMA 的讲解
3、优化算法之指数移动加权平均