Machine learning
Gated Recurrent Unit (GRU)
Gated Recurrent Unit (GRU)는 2014년 Cho 등이 소개한 게이트 순환 신경망 셀로, 업데이트 게이트와 리셋 게이트를 사용하여 순차 데이터의 장기 의존성을 포착하며, 더 적은 파라미터로 LSTM과 유사한 성능을 달성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/ko/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.
- 어텐션 메커니즘딥러닝↔ compare
- 양방향 RNN딥러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 순차열 대 순차열 모델딥러닝↔ compare
- XGBoost머신러닝↔ compare