Unitat recurrent amb portes (GRU)
La Unitat Recurrent amb Portes (GRU) és una cel·la de xarxa neuronal recurrent amb portes introduïda per Cho i col·laboradors el 2014 que captura dependències a llarg termini en dades seqüencials mitjançant portes d'actualització i de restabliment, aconseguint un rendiment comparable a LSTM amb menys paràmetres.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Cho, K. et al. (2014). Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation. EMNLP. 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. arXiv:1412.3555 link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/ca/deep-learning/gru
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.
- Mecanisme d'atencióAprenentatge profund↔ compare
- RNN bidireccionalAprenentatge profund↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Model Seqüència-a-SeqüènciaAprenentatge profund↔ compare
- XGBoostAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →