واحد تکرارشونده گیتدار (GRU)
واحد تکرارشونده گیتدار (GRU) که در سال ۲۰۱۴ توسط چو و همکاران معرفی شد، یک شبکه عصبی تکرارشونده سادهشده است که از دو گیت آموختهشده — گیت بهروزرسانی و گیت بازنشانی — برای حفظ یا حذف انتخابی اطلاعات در طول گامهای زمانی استفاده میکند و مدلسازی مؤثر توالی را با پارامترهای کمتر نسبت به LSTM امکانپذیر میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/fa/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.
- طبقهبندی مبتنی بر بِرْتیادگیری عمیق↔ compare
- حافظه طولانی کوتاهمدت (LSTM)یادگیری عمیق↔ compare
- شبکه عصبی بازگشتییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →