Вентилна рекурентна единица (GRU)
Вентилната рекурентна единица (Gated Recurrent Unit, GRU), представена от Cho et al. през 2014 г., е опростена рекурентна невронна мрежа, която използва две обучени вентила – вентил за актуализация и вентил за нулиране – за селективно запазване или изхвърляне на информация през времевите стъпки, което позволява ефективно моделиране на последователности с по-малко параметри от LSTM.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
Източници
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014, pp. 1724–1734. link ↗
- Chung, J., Gulcehre, C., Cho, K., & Bengio, Y. (2014). Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling. NIPS 2014 Deep Learning Workshop. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/bg/deep-learning/gated-recurrent-unit
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Класификация, базирана на BERTДълбоко обучение↔ compare
- Дългосрочна краткосрочна памет (LSTM)Дълбоко обучение↔ compare
- Рекурентна невронна мрежаДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →