Machine learning
ゲート付き再帰ユニット (GRU)
ゲート付き再帰ユニット (GRU) は、2014年にChoらによって導入されたゲート付き再帰型ニューラルネットワークセルであり、更新ゲートとリセットゲートを使用して系列データにおける長距離依存性を捉え、より少ないパラメータでLSTMに匹敵する性能を達成します。
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.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/ja/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.
- アテンションメカニズム深層学習↔ compare
- Bidirectional RNN深層学習↔ compare
- ランダムフォレスト機械学習↔ compare
- シーケンス・ツー・シーケンスモデル深層学習↔ compare
- XGBoost機械学習↔ compare