Gated Recurrent Unit (GRU)
Gated Recurrent Unit (GRU), introdusert av Cho et al. i 2014, er et strømlinjeformet rekurrent nevralt nettverk som bruker to lærte porter – en oppdateringsport og en tilbakestillingsport – for selektivt å beholde eller forkaste informasjon på tvers av tidstrinn, noe som muliggjør effektiv sekvensmodellering med færre parametere enn LSTM.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/no/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-basert klassifiseringDyp læring↔ compare
- Langtidskorttidsminne (LSTM)Dyp læring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →