Gated Recurrent Unit (GRU)

Forfatter: Roger Morrison
Oprettelsesdato: 27 September 2021
Opdateringsdato: 19 Juni 2024
Anonim
Simple Explanation of GRU (Gated Recurrent Units) | Deep Learning Tutorial 37 (Tensorflow & Python)
Video.: Simple Explanation of GRU (Gated Recurrent Units) | Deep Learning Tutorial 37 (Tensorflow & Python)

Indhold

Definition - Hvad betyder Gated Recurrent Unit (GRU)?

En gated recurrent unit (GRU) er en del af en specifik model af tilbagevendende neuralt netværk, der har til hensigt at bruge forbindelser gennem en sekvens af noder til at udføre maskinlæringsopgaver forbundet med hukommelse og klynger, f.eks. I talegenkendelse.Gated tilbagevendende enheder hjælper med at justere neurale netværksindgangsvægte for at løse det forsvindende gradientproblem, der er et almindeligt problem med tilbagevendende neurale netværk.


En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.

Techopedia forklarer Gated Recurrent Unit (GRU)

Som en forfining af den generelle tilbagevendende neurale netværksstruktur har lukkede tilbagevendende enheder det, der kaldes en opdateringsgate og en nulstillingsgate. Ved hjælp af disse to vektorer finjusterer modellen output ved at kontrollere informationsstrømmen gennem modellen. Som andre former for tilbagevendende netværksmodeller kan modeller med gated tilbagevendende enheder bevare information over en periode - det er grunden til, at en af ​​de enkleste måder at beskrive disse typer teknologier er, at de er en "hukommelsescentreret" type neuralt netværk . I modsætning hertil har andre typer neurale netværk uden gated tilbagevendende enheder ofte ikke evnen til at bevare information.


Ud over talegenkendelse kan neurale netværksmodeller, der bruger gated gentagne enheder, bruges til forskning i det menneskelige genom, håndskriftsanalyse og meget mere. Nogle af disse innovative netværk bruges til aktiemarkedsanalyse og regeringsarbejde. Mange af dem udnytter maskinernes simulerede evne til at huske information.