Jednostka bramkowana rekurencyjna (GRU)
Jednostka bramkowana rekurencyjna (GRU) to komórka rekurencyjnej sieci neuronowej z bramkami, wprowadzona przez Cho i współpracowników w 2014 r., która wychwytuje długoterminowe zależności w danych sekwencyjnych za pomocą bramek aktualizacji i resetowania, osiągając wydajność porównywalną z LSTM przy mniejszej liczbie parametrów.
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.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/pl/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.
- Mechanizm uwagiUczenie głębokie↔ compare
- Dwukierunkowa sieć rekurencyjnaUczenie głębokie↔ compare
- Random ForestUczenie maszynowe↔ compare
- Model sekwencyjny do sekwencyjnego (Seq2Seq)Uczenie głębokie↔ compare
- XGBoostUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →