Gated Recurrent Unit (GRU)
A Cho és társai által 2014-ben bevezetett Gated Recurrent Unit (GRU) egy egyszerűsített rekurrens neurális hálózat, amely két tanult kaput – egy frissítő kaput és egy visszaállító kaput – használ az információ szelektív megtartására vagy elvetésére az időbeli lépések során, lehetővé téve a hatékony szekvencia-modellezést kevesebb paraméterrel, mint az LSTM.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/hu/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.
- BERT-alapú osztályozásMélytanulás↔ compare
- Long Short-Term Memory (LSTM)Mélytanulás↔ compare
- Rekurrens neurális hálózatMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →