গেটেড রিকারেন্ট ইউনিট (GRU)
২০১৪ সালে Cho et al. কর্তৃক প্রবর্তিত গেটেড রিকারেন্ট ইউনিট (GRU) হলো একটি সরলীকৃত রিকারেন্ট নিউরাল নেটওয়ার্ক যা দুটি শেখা গেট—একটি আপডেট গেট এবং একটি রিসেট গেট—ব্যবহার করে টাইম স্টেপ জুড়ে তথ্য নির্বাচনমূলকভাবে ধরে রাখে বা বাতিল করে দেয়, যা LSTM-এর চেয়ে কম প্যারামিটার ব্যবহার করে কার্যকরভাবে সিকোয়েন্স মডেলিং সক্ষম করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
পদ্ধতি-মানচিত্র
সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।
+10টি আরও
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/bn/deep-learning/gated-recurrent-unit
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- BERT-ভিত্তিক শ্রেণিবিভাগগভীর শিখন↔ তুলনা করুন
- লং শর্ট-টার্ম মেমরি (এলএসটিএম)গভীর শিখন↔ তুলনা করুন
- পুনরাবৃত্ত নিউরাল নেটওয়ার্কগভীর শিখন↔ তুলনা করুন
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →