Gated Recurrent Unit (GRU)
Gated Recurrent Unit (GRU), mida tutvustasid Cho jt. 2014. aastal, on lihtsustatud rekurrentne neurovõrk, mis kasutab kahte õpitavat väravat – uuendusväravat ja reset-väravat – et selektiivselt säilitada või visata ära informatsiooni ajasammu jooksul, võimaldades tõhusat järjestuste modelleerimist väiksema parameetrite arvuga kui LSTM.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
+10 veel
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/et/deep-learning/gated-recurrent-unit
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- BERT-põhine klassifitseerimineSüvaõpe↔ võrdle
- Long Short-Term Memory (LSTM)Süvaõpe↔ võrdle
- Korduv närvivõrkSüvaõpe↔ võrdle
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →