Machine learning
Porttiyksikkö (GRU)
Porttiyksikkö (GRU) on portitettu rekurrenttinen neuroverkko, jonka Cho ja kollegat esittelivät vuonna 2014. Se mallintaa pitkän aikavälin riippuvuuksia sekvenssidatassa päivitys- ja nollausporttien avulla, saavuttaen LSTM:n kaltaisen suorituskyvyn pienemmällä parametrimäärällä.
Lue koko menetelmä
Vain jäsenille
Kirjaudu sisäänKirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/fi/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.
- HuomiomekanismiSyväoppiminen↔ compare
- Kaksisuuntainen RNNSyväoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- Sekvenssistä sekvenssiksi -malliSyväoppiminen↔ compare
- XGBoostKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →