เปรียบเทียบวิธี

	Gated Recurrent Unit (GRU)	แบบจำลองลำดับต่อลำดับ
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2014	2014
ผู้ริเริ่ม	Cho, K. et al.	Sutskever, I.; Cho, K.
ประเภท	Gated recurrent neural network unit	Encoder-decoder neural network (deep learning)
แหล่งต้นตำรับ	Cho, K. et al. (2014). Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation. EMNLP.	Sutskever, I., Vinyals, O. & Le, Q. V. (2014). Sequence to Sequence Learning with Neural Networks. NeurIPS.
ชื่อเรียกอื่น	Kapılı Tekrarlayan Birim (GRU), gated recurrent unit, gated recurrent network	Dizi-Dizi Modeli (Seq2Seq — Encoder-Decoder), encoder-decoder model, seq2seq, sequence to sequence learning
ที่เกี่ยวข้อง	5	5
สรุป	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.	The sequence-to-sequence (Seq2Seq) model, introduced by Sutskever, Vinyals and Le and by Cho and colleagues in 2014, is an encoder-decoder neural network that maps a variable-length input sequence to a variable-length output sequence. It is the foundation of machine translation, text summarization, dialogue systems and code generation.