Gated Recurrent Unit (GRU)
Gated Recurrent Unit (GRU) je ćelijski tip rekurirajuće neuronske mreže s kapijama, koji su 2014. godine predstavili Cho i saradnici. On hvata dugoročne zavisnosti u sekvencijalnim podacima pomoću ulaznih i resetirajućih kapija, postižući performanse usporedive s LSTM mrežama, ali s manjim brojem parametara.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/hr/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.
- Attention MechanismDuboko učenje↔ compare
- Bidirectional RNNDuboko učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Model "sekvenca-u-sekvencu"Duboko učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →