Блокований рекурентний блок (GRU)
Блокований рекурентний блок (GRU) — це блокована рекурентна нейронна мережева комірка, представлена Чо та співавторами у 2014 році, яка захоплює довгострокові залежності в послідовних даних за допомогою вентилів оновлення та скидання, досягаючи продуктивності, порівнянної з LSTM, з меншою кількістю параметрів.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Gated Recurrent Unit. ScholarGate. https://scholargate.app/uk/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.
- Механізм увагиГлибоке навчання↔ compare
- Двонаправлений рекурентний нейронний мережевий модуль (Bidirectional RNN)Глибоке навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- Модель послідовність-послідовністьГлибоке навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →