Machine learning
Gated Recurrent Unit (GRU)
Gated Recurrent Unit (GRU) er en gatelykt rekurrent nevral nettverkscelle introdusert av Cho og kolleger i 2014 som fanger langtrekkende avhengigheter i sekvensielle data ved hjelp av oppdaterings- og tilbakestillingsporter, og oppnår ytelse som kan sammenlignes med LSTM med færre parametere.
Les hele metoden
Kun for medlemmer
Logg innLogg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/no/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.
- OppmerksomhetsmekanismeDyp læring↔ compare
- Toveis RNNDyp læring↔ compare
- Random ForestMaskinlæring↔ compare
- Sekvens-til-sekvens-modellen (Seq2Seq)Dyp læring↔ compare
- XGBoostMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →