InayofuataMwongozo unaofuata
Mitandao ya Neural ya Kawaida
Misingi
MUONGOZO wa Misingi
Vitengo vya Kawaida vilivyofungwa
Kitengo cha Kawaida cha Gated (GRU) ni aina iliyoratibiwa ya seli ya mtandao ya neural inayojirudia ambayo hutumia milango miwili kuamua ni taarifa gani ya kuhifadhi na ya kusahau inaposoma mfuatano.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
Katika ukurasa huudk 2 kusoma
Muhtasari
Ni muhimu kwa sababu inanasa ruwaza za masafa marefu katika maandishi, usemi, na mfululizo wa saa karibu na LSTM huku ikiwa ni kasi na rahisi zaidi kutoa mafunzo.
Dive ya kina
Ilianzishwa na Cho na wenzake mwaka wa 2014, GRU iliundwa kutatua tatizo la kutoweka-gradient ambalo lilikumba mitandao ya kawaida inayojirudia, ambayo inatatizika kukumbuka taarifa katika hatua nyingi za muda. Tofauti na LSTM, ambayo hutumia milango mitatu na hali tofauti ya seli, GRU hutumia milango miwili tu na hali moja iliyofichwa. Lango la sasisho hudhibiti ni kiasi gani cha hali iliyofichwa ya awali ya kupeleka mbele dhidi ya kiasi cha taarifa mpya ya kuongeza. Lango la kuweka upya huamua ni taarifa ngapi za zamani za kupuuza wakati wa kukokotoa hali mpya ya mgombea. Kwa kuchanganya moja kwa moja majimbo ya zamani na mapya na ukalimani uliojifunza, GRU huruhusu mikunjo itiririke juu ya mfuatano mrefu. Vigezo vichache vinamaanisha kumbukumbu kidogo, mafunzo ya haraka na utendaji dhabiti kwenye seti ndogo za data.
Utekelezaji wa Ulimwengu Halisi
Inawasha miundo sanifu ya utambuzi wa usemi kwenye simu na spika mahiri ambapo kumbukumbu na betri ni chache
Utabiri wa mahitaji ya umeme ya muda mfupi au bei za hisa kutoka kwa data ya kihistoria ya mfululizo wa saa
Kugundua hitilafu katika usomaji wa vitambuzi vya kutiririsha kutoka kwa mashine za viwandani kwa ajili ya matengenezo ya ubashiri
Mipangilio ya usimbaji katika mifumo ya tafsiri ya mapema ya mashine ya neva kabla ya Transfoma kuwa ya kawaida
Mustakabali wa Vitengo vya Kawaida vya Gated
Ingawa Transfoma sasa hutawala kazi kubwa za lugha, GRU husalia kuwa muhimu popote pale inapobidi ufanisi wa mpangilio: utambuzi wa matamshi ya kifaa, vitambuzi vilivyopachikwa, udhibiti wa wakati halisi, na utiririshaji wa muda wa chini. Watafiti pia wanakunja mawazo ya kurudisha nyuma katika usanifu mpya zaidi, na miundo ya anga za juu kama vile Mamba hupitia upya usindikaji wa mfuatano wa mtindo wa kawaida kwa miktadha mirefu. Tarajia GRUs ziendelee kama chaguo jepesi, linalotegemewa katika mipangilio iliyobanwa na rasilimali na ukingo ambapo umakini kamili ni wa gharama kubwa.
Kuiweka katika vitendo
Kwa nini ni muhimu
- Maamuzi ya wazi zaidi. Inakusaidia kutenganisha madai ya wazi ya kiufundi kutoka kwa lugha ya uuzaji.
- Gharama na bajeti. Unaweza kuuliza maswali ya utekelezaji bora kabla ya kutumia pesa au wakati.
- Timu na mtiririko wa kazi. Timu zenye uelewa wa pamoja hufanya maamuzi bora ya bidhaa, sera na mafunzo.
Jihadharini na
- Timu tofauti zinaweza kutumia neno moja tofauti, kwa hivyo fafanua upeo mapema.
- Vigezo vinaweza kuonekana kuwa na nguvu ilhali utendakazi wa ulimwengu halisi haufanani.
- Kupuuza ubora wa data na mipango ya tathmini mara nyingi huleta matokeo tete.
Hatua zinazofuata
- Anza na ufafanuzi wa lugha rahisi wa matokeo unayohitaji.
- Chagua kipimo kimoja cha mafanikio na hali moja ya kutofaulu kabla ya kujaribu.
- Tekeleza majaribio madogo yenye data wakilishi, si seti ya onyesho iliyoboreshwa.
- Hati ambapo Vitengo vya Kawaida vya Gated husaidia na ambapo mbinu rahisi ni bora zaidi.
Endelea Kuchunguza
Jarida halali
Pata taarifa ya kila siku ya AI
Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.
Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.
Jijaribu mwenyewe
Take the Gated Recurrent Units quiz
Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.
Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango
Maswali yanayoulizwa mara kwa mara
Vitengo vya Kawaida vya Gated ni nini?
Kitengo cha Kawaida cha Gated (GRU) ni aina iliyoratibiwa ya seli ya mtandao ya neural inayojirudia ambayo hutumia milango miwili kuamua ni taarifa gani ya kuhifadhi na ya kusahau inaposoma mfuatano. Ni muhimu kwa sababu inanasa ruwaza za masafa marefu katika maandishi, usemi, na mfululizo wa saa pamoja na LSTM huku ikiwa ni kasi na rahisi zaidi kutoa mafunzo.
Je, lango la sasisho linadhibiti nini?
Mwongozo unasema lango la sasisho linachanganya hali iliyofichwa na yaliyomo mpya.
Je, lango la kuweka upya linadhibiti nini?
Mwongozo unasema lango la kuweka upya huamua ni hali ngapi ya zamani ya kupuuza kwa mgombea.
GRU inawakilishaje kumbukumbu ikilinganishwa na LSTM?
Mwongozo hutofautisha hali moja iliyofichwa ya GRU na hali ya seli ya LSTM.
Kwa lango la sasisho la GRU z, thamani iliyo karibu na moja hufanya nini?
Mwongozo unatoa fomula ya sasisho kama mchanganyiko wa jimbo la awali na mgombea; wakati z iko karibu na moja, hali ya awali huhifadhiwa zaidi.
Kwa nini kupata kunaweza kusaidia na utegemezi wa masafa marefu?
Mwongozo unasema sasisho za hali ya gated husaidia kushughulikia mapungufu ya kutoweka kwa RNNs wazi.
Endelea kujifunza
Miongozo inayohusiana
Miongozo zaidi imechaguliwa kwa mada hii