Machine learning
واحد بازگشتی دروازهای (GRU)
واحد بازگشتی دروازهای (GRU) یک سلول شبکه عصبی بازگشتی دروازهای است که در سال ۲۰۱۴ توسط چـو و همکارانش معرفی شد و با استفاده از دروازههای بهروزرسانی و بازنشانی، وابستگیهای دوربرد را در دادههای ترتیبی ثبت میکند و به عملکردی قابل مقایسه با LSTM با پارامترهای کمتر دست مییابد.
مطالعهٔ کامل روش
ویژهٔ اعضا
ورودبرای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/fa/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.
- سازوکار توجهیادگیری عمیق↔ compare
- شبکه عصبی بازگشتی دوطرفه (Bidirectional RNN)یادگیری عمیق↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- مدل توالی به توالییادگیری عمیق↔ compare
- XGBoostیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →