ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Gated Recurrent Unit (GRU)

Gated Recurrent Unit (GRU), introducerad av Cho et al. 2014, är ett strömlinjeformat återkommande neuralt nätverk som använder två inlärda grindar – en uppdateringsgrind och en återställningsgrind – för att selektivt behålla eller kassera information över tidsteg, vilket möjliggör effektiv sekvensmodellering med färre parametrar än LSTM.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

The neighbourhood of related methods — select a node to explore.

+10 more

Källor

  1. 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
  2. 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

Så citerar du den här sidan

ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/sv/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.

Compare side by side

Refereras av

ScholarGateGated Recurrent Unit (Gated Recurrent Unit (GRU)). Hämtad 2026-06-15 från https://scholargate.app/sv/deep-learning/gated-recurrent-unit · Datamängd: https://doi.org/10.5281/zenodo.20539026