Machine learningDeep learning / NLP / CV
หน่วยความจำแบบวนซ้ำแบบมีประตู (Gated Recurrent Unit - GRU)
Gated Recurrent Unit (GRU) ซึ่งนำเสนอโดย Cho และคณะในปี 2014 เป็นโครงข่ายประสาทเทียมแบบวนซ้ำที่ได้รับการปรับปรุงให้เรียบง่ายขึ้น โดยใช้ประตูที่เรียนรู้สองบาน ได้แก่ ประตูอัปเดต (update gate) และประตูรีเซ็ต (reset gate) เพื่อเลือกเก็บหรือละทิ้งข้อมูลข้ามช่วงเวลา (time steps) ทำให้สามารถสร้างแบบจำลองลำดับ (sequence modelling) ได้อย่างมีประสิทธิภาพโดยใช้พารามิเตอร์น้อยกว่า LSTM
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
แหล่งอ้างอิง
- 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 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Gated Recurrent Unit (GRU). ScholarGate. https://scholargate.app/th/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.
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- หน่วยความจำระยะสั้นแบบยาว (LSTM)การเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมแบบเวียนซ้ำ (Recurrent Neural Network - RNN)การเรียนรู้เชิงลึก↔ compare
ถูกอ้างอิงโดย
Domain-Adaptive GRUGRU ที่อธิบายได้โครงข่ายประสาทเทียมเวียนซ้ำที่อธิบายได้GRU แบบละเอียดเครือข่ายประสาทเทียมแบบวนซ้ำที่ปรับละเอียด (Fine-Tuned Recurrent Neural Network)หน่วยความจำระยะสั้นแบบยาว (LSTM)Multilingual GRUโครงข่ายประสาทเทียมเวียนซ้ำหลายภาษาGRU หลายรูปแบบMultimodal LSTMโครงข่ายประสาทเทียมเวียนซ้ำหลายรูปแบบโครงข่ายประสาทเทียมแบบเวียนซ้ำ (Recurrent Neural Network - RNN)การจำแนกประเภทโดยใช้ RoBERTaหน่วยประสาทซ้ำแบบเกทที่เรียนรู้ด้วยตนเอง (Self-supervised GRU)เซมิซูเปอร์ไวส์ GRUการเรียนรู้แบบถ่ายโอนด้วย LSTMการเรียนรู้แบบถ่ายโอนด้วยโครงข่ายประสาทเทียมแบบเวียนซ้ำGRU ที่ได้รับการกำกับดูแลแบบอ่อนRecurrent Neural Network แบบเรียนรู้ด้วยการกำกับดูแลแบบอ่อน