Unità Ricorrente con Gate (GRU)
L'Unità Ricorrente con Gate (GRU), introdotta da Cho et al. nel 2014, è una rete neurale ricorrente semplificata che utilizza due gate appresi — un gate di aggiornamento e un gate di reset — per conservare o scartare selettivamente le informazioni attraverso i passi temporali, consentendo una modellazione efficace delle sequenze con un numero inferiore di parametri rispetto alle LSTM.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/it/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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Long Short-Term Memory (LSTM)Apprendimento profondo↔ compare
- Reti neurali ricorrentiApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →