เปรียบเทียบวิธี

	โครงข่ายประสาทเทียมเวียนซ้ำหลายภาษา	หน่วยความจำแบบวนซ้ำแบบมีประตู (Gated Recurrent Unit - GRU)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1990–2010s	2014
ผู้ริเริ่ม	Elman, J. L. (RNN); multilingual extension by NLP community	Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y.
ประเภท	Sequential model (cross-lingual)	Recurrent neural network with gating
แหล่งต้นตำรับ	Elman, J. L. (1990). Finding structure in time. Cognitive Science, 14(2), 179–211.	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.
ชื่อเรียกอื่น	Multilingual RNN, Cross-lingual RNN, Multi-language RNN, MRNN	GRU, GRU network, gated RNN, GRU cell
ที่เกี่ยวข้อง	5	3
สรุป	A Multilingual Recurrent Neural Network (Multilingual RNN) applies the standard RNN architecture — which processes sequences step by step while maintaining a hidden state — to data spanning two or more languages. By training on multilingual corpora or sharing parameters across languages, the model learns cross-lingual sequence representations useful for translation, tagging, classification, and language modeling tasks.	The Gated Recurrent Unit (GRU), introduced by Cho et al. in 2014, is a streamlined recurrent neural network that uses two learned gates — an update gate and a reset gate — to selectively retain or discard information across time steps, enabling effective sequence modelling with fewer parameters than LSTM.