Gated Recurrent Unit (GRU)
Gated Recurrent Unit (GRU), wprowadzony przez Cho i wsp. w 2014 roku, to uproszczona rekurencyjna sieć neuronowa, która wykorzystuje dwie uczone bramki – bramkę aktualizacji i bramkę resetowania – do selektywnego zachowywania lub odrzucania informacji w krokach czasowych, umożliwiając efektywne modelowanie sekwencji przy mniejszej liczbie parametrów niż LSTM.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Długa pamięć krótkotrwała (LSTM)Uczenie głębokie↔ compare
- Rekurencyjna Sieć NeuronowaUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →