Machine learningDeep learning / NLP / CV
Gated Recurrent Unit (GRU)
2014年にChoらによって導入されたGated Recurrent Unit (GRU) は、更新ゲートとリセットゲートという2つの学習済みゲートを用いて、タイムステップ間で情報を選択的に保持または破棄する、合理化されたリカレントニューラルネットワークであり、LSTMよりも少ないパラメータで効果的なシーケンスモデリングを可能にします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/ja/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ベースの分類深層学習↔ compare
- Long Short-Term Memory (LSTM)深層学習↔ compare
- リカレントニューラルネットワーク (RNN)深層学習↔ compare
この手法を参照する項目
ドメイン適応型GRU説明可能なGRU説明可能なリカレントニューラルネットワークファインチューニングされたGRUファインチューニングされたリカレントニューラルネットワークLong Short-Term Memory (LSTM)多言語GRU多言語リカレントニューラルネットワークマルチモーダルGRUマルチモーダルLSTMMultimodal Recurrent Neural Networkリカレントニューラルネットワーク (RNN)RoBERTaベースの分類自己教師ありGRU半教師ありGRU (Semi-supervised GRU)LSTMを用いた転移学習リカレントニューラルネットワークを用いた転移学習Weakly Supervised GRU弱教師ありリカレントニューラルネットワーク