Unidad Recurrente con Compuertas (GRU)
La Unidad Recurrente con Compuertas (GRU), introducida por Cho et al. en 2014, es una red neuronal recurrente simplificada que utiliza dos compuertas aprendidas —una compuerta de actualización y una compuerta de reinicio— para retener o descartar selectivamente información a través de los pasos de tiempo, permitiendo una modelización de secuencias eficaz con menos parámetros que LSTM.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/es/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.
- Clasificación basada en BERTAprendizaje profundo↔ compare
- Memoria a Largo Plazo (LSTM)Aprendizaje profundo↔ compare
- Red Neuronal RecurrenteAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →