Gated Recurrent Unit (GRU)

Författare: Roger Morrison
Skapelsedatum: 27 September 2021
Uppdatera Datum: 9 Maj 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)

Innehåll

Definition - Vad betyder Gated Recurrent Unit (GRU)?

En grindad återkommande enhet (GRU) är en del av en specifik modell av återkommande neurala nätverk som avser att använda anslutningar genom en sekvens av noder för att utföra maskininlärningsuppgifter associerade med minne och kluster, till exempel vid taligenkänning.Grindade återkommande enheter hjälper till att justera inmatningsvikter för neurala nätverk för att lösa försvinnande gradientproblem som är ett vanligt problem med återkommande neurala nätverk.


En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.

Techopedia förklarar Gated Recurrent Unit (GRU)

Som en förfining av den allmänna återkommande neurala nätverksstrukturen har grindade återkommande enheter det som kallas en uppdateringsgrind och en återställningsgrind. Med hjälp av dessa två vektorer förädlar modellen output genom att kontrollera informationsflödet genom modellen. Liksom andra typer av återkommande nätverksmodeller kan modeller med grindade återkommande enheter behålla information under en tidsperiod - det är därför ett av de enklaste sätten att beskriva denna typ av teknik är att de är en "minnescentrerad" typ av neuralt nätverk . Däremot har andra typer av neurala nätverk utan grindade återkommande enheter ofta inte förmågan att behålla information.


Förutom taligenkänning kan neurala nätverksmodeller som använder grindade återkommande enheter användas för forskning om det mänskliga genomet, handskrivningsanalys och mycket mer. Vissa av dessa innovativa nätverk används i aktiemarknadsanalys och regeringsarbete. Många av dem utnyttjar maskinens simulerade förmåga att komma ihåg information.