Управляемый рекуррентный блок (GRU)
Управляемый рекуррентный блок (GRU) — это ячейка управляемой рекуррентной нейронной сети, представленная Чо и его коллегами в 2014 году, которая улавливает долгосрочные зависимости в последовательных данных с помощью вентилей обновления и сброса, достигая производительности, сравнимой с LSTM, при меньшем количестве параметров.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/ru/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.
- Механизм вниманияГлубокое обучение↔ compare
- Двунаправленная РНСГлубокое обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Модель «последовательность к последовательности»Глубокое обучение↔ compare
- XGBoostМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →