เปรียบเทียบวิธี

	โครงข่ายประสาทเทียมแบบวนซ้ำสองทิศทาง	Gated Recurrent Unit (GRU)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1997	2014
ผู้ริเริ่ม	Schuster, M. & Paliwal, K.K.	Cho, K. et al.
ประเภท	Recurrent neural network (sequence model)	Gated recurrent neural network unit
แหล่งต้นตำรับ	Schuster, M. & Paliwal, K.K. (1997). Bidirectional Recurrent Neural Networks. IEEE Transactions on Signal Processing, 45(11), 2673–2681.	Cho, K. et al. (2014). Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation. EMNLP.
ชื่อเรียกอื่น	Çift Yönlü RNN / BiLSTM / BiGRU, bidirectional recurrent neural network, BiLSTM, BiGRU	Kapılı Tekrarlayan Birim (GRU), gated recurrent unit, gated recurrent network
ที่เกี่ยวข้อง	5	5
สรุป	A Bidirectional RNN, introduced by Schuster and Paliwal in 1997, processes a sequence in both forward and backward directions so that every position has access to its full surrounding context. With LSTM or GRU cells (BiLSTM/BiGRU) it is the standard approach for named-entity recognition, sequence labelling, and speech recognition.	The Gated Recurrent Unit (GRU) is a gated recurrent neural network cell introduced by Cho and colleagues in 2014 that captures long-range dependencies in sequential data using update and reset gates, achieving performance comparable to LSTM with fewer parameters.