Machine learningDeep learning / NLP / CV

Gated Recurrent Unit (GRU)

יחידת סיכור חוזרת (GRU), שהוצגה על ידי Cho ועמיתיו בשנת 2014, היא רשת עצבית חוזרת מפושטת המשתמשת בשני שערי למידה – שער עדכון ושער איפוס – כדי לשמר או להשליך באופן סלקטיבי מידע על פני צעדי זמן, ומאפשרת מידול רצפים יעיל עם פחות פרמטרים מאשר LSTM.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

+10 more

מקורות

  1. 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
  2. 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

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateGated Recurrent Unit (Gated Recurrent Unit (GRU)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/deep-learning/gated-recurrent-unit · מערך נתונים: https://doi.org/10.5281/zenodo.20539026