门控循环单元(GRU)

作者: Roger Morrison
创建日期: 27 九月 2021
更新日期: 21 六月 2024
Anonim
动手学深度学习第十五课:门控循环单元(GRU)、长短期记忆(LSTM)、多层循环神经网络以及Gluon实现
视频: 动手学深度学习第十五课:门控循环单元(GRU)、长短期记忆(LSTM)、多层循环神经网络以及Gluon实现

内容

定义-门控循环单元(GRU)是什么意思?

门控循环单元(GRU)是循环神经网络特定模型的一部分,该模型旨在使用通过一系列节点的连接来执行与内存和群集相关的机器学习任务,例如在语音识别中。门控循环单元有助于调整神经网络输入权重,以解决梯度消失问题,而梯度梯度问题是循环神经网络常见的问题。


Microsoft Azure和Microsoft Cloud简介在本指南中,您将了解什么是云计算,以及Microsoft Azure如何帮助您从云迁移和运行业务。

Techopedia解释了门控循环单元(GRU)

作为对通用循环神经网络结构的改进,门控循环单元具有所谓的更新门和重置门。使用这两个向量,该模型通过控制信息在模型中的流动来细化输出。像其他类型的递归网络模型一样,具有门控递归单元的模型可以在一段时间内保留信息-这就是为什么描述这些类型的技术的最简单方法之一是它们是“以内存为中心”的神经网络。相比之下,没有门控循环单元的其他类型的神经网络通常没有保留信息的能力。

除语音识别外,使用门控循环单元的神经网络模型还可用于人类基因组研究,笔迹分析等。其中一些创新网络用于股票市场分析和政府工作。他们中的许多人利用机器的模拟能力来记住信息。