Machine learning
Gated Recurrent Unit (GRU)
Gated Recurrent Unit (GRU) är en gated rekurrent neuralnätverkscell som introducerades av Cho och kollegor 2014. Den fångar långväga beroenden i sekventiell data med hjälp av uppdaterings- och återställningsgrindar, och uppnår prestanda jämförbar med LSTM men med färre parametrar.
Läs hela metoden
Endast för medlemmar
Logga inLogga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/sv/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.
- UppmärksamhetsmekanismDjupinlärning↔ compare
- Dubbelriktad RNNDjupinlärning↔ compare
- Random ForestMaskininlärning↔ compare
- Sekvens-till-sekvens-modellen (Seq2Seq)Djupinlärning↔ compare
- XGBoostMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →