Up tókànItọsọna atẹle
Awọn nẹtiwọki Neural Loorekoore
Awọn ipilẹ
Awọn ipilẹ Itọsọna
Ẹka Loorekoore Gated (GRU) jẹ iru ṣiṣanwọle ti sẹẹli nẹtiwọọki loorekoore ti o nlo awọn ẹnu-ọna meji lati pinnu iru alaye wo lati tọju ati kini lati gbagbe bi o ti n ka ọkọọkan.
Gbọ si itọsọna yiiAI-ṣe afihan · ~2 min
O ṣe pataki nitori pe o gba awọn ilana gigun ni ọrọ, ọrọ, ati jara akoko fere bi daradara bi LSTMs lakoko ti o yara ati rọrun lati ṣe ikẹkọ.
Ti ṣafihan nipasẹ Cho ati awọn ẹlẹgbẹ ni ọdun 2014, GRU jẹ apẹrẹ lati yanju iṣoro apanirun ti o ṣafẹri awọn nẹtiwọọki loorekoore, eyiti o tiraka lati ranti alaye kọja awọn igbesẹ akoko pupọ. Ko dabi LSTM, eyiti o nlo awọn ẹnu-bode mẹta ati ipo sẹẹli lọtọ, GRU nlo awọn ẹnu-ọna meji ati ipo ti o farapamọ kan. Ẹnu imudojuiwọn n ṣakoso iye ti ipo ti o farapamọ tẹlẹ lati gbe siwaju dipo iye alaye tuntun lati ṣafikun. Ẹnu-ọna atunto pinnu iye alaye ti o kọja lati foju parẹ nigbati o n ṣe iṣiro ipo oludije tuntun. Nipa didapọ taara atijọ ati awọn ipinlẹ tuntun pẹlu interpolation ikẹkọ, GRU jẹ ki awọn gradients ṣàn lori awọn ilana gigun. Awọn paramita diẹ tumọ si iranti ti o dinku, ikẹkọ iyara, ati iṣẹ ṣiṣe to lagbara lori awọn ipilẹ data kekere.
Ṣiṣe awọn awoṣe idanimọ-ọrọ iwapọ lori awọn foonu ati awọn agbohunsoke ọlọgbọn nibiti iranti ati batiri ti ni opin
Asọtẹlẹ eletan ina igba kukuru tabi awọn idiyele ọja lati data jara-akoko itan
Ṣiṣawari awọn aiṣedeede ni ṣiṣan awọn kika sensọ lati ẹrọ ile-iṣẹ fun itọju asọtẹlẹ
Awọn ilana fifi koodu si ni awọn ọna ṣiṣe itumọ ẹrọ nkankikan ṣaaju ki Awọn Ayirapada di boṣewa
Botilẹjẹpe Awọn oluyipada ni bayi jẹ gaba lori awọn iṣẹ-ṣiṣe ede ti iwọn-nla, awọn GRU wa niyelori nibikibi ti awọn ọran ṣiṣe ṣiṣe deede: idanimọ ọrọ ẹrọ lori ẹrọ, awọn sensọ ti a fi sinu, iṣakoso akoko gidi, ati ṣiṣan lairi kekere. Awọn oniwadi tun n ṣe kika awọn imọran gating pada si awọn ile ayaworan tuntun, ati awọn awoṣe aaye-ipinle bii Mamba tun ṣabẹwo sisẹ ilana-ara loorekoore fun awọn aaye gigun. Reti awọn GRU lati tẹsiwaju bi iwuwo fẹẹrẹ, yiyan ti o gbẹkẹle ni ihamọ awọn orisun ati awọn eto eti nibiti akiyesi kikun jẹ idiyele pupọ.
Ìwé ìròyìn ọfẹ
Ìtàn AI mẹta tó jẹ́rìí ní gbogbo owurọ́ ọjọ́ iṣẹ́, kọ́wé ní Gẹ̀ẹ́sì tó rọrùn. Ọfẹ́ fún gbogbo àkókò, kò sí ìpolówó.
Ìmeèlì kan ní gbogbo ọjọ́ iṣẹ́. Yọkúrò ní ìkànìyàn ní ìkànìyàn kan. A kò ta tàbí pín àdírẹ́sì rẹ.
Ṣe idanwo fun ara rẹ
Ìdáhùn lẹ́sẹ̀kẹsẹ̀ lórí gbogbo ìdáhùn, àti iwe-ẹ̀rí tó lè pin pẹ̀lú ID tó lè jẹ́rìí lẹ́yìn tí o bá kọ́ ẹ̀kọ́.
Ṣe àtìlẹ́yìn ẹ̀kọ́ AI ọfẹ́. AI Understanding jẹ́ àjọ àìní èrè 501(c)(3) — kò sí ìpolówó, kò sí àkúnya owó, ní gbogbo àkókò. Ṣe ẹbun kan
Ẹka Loorekoore Gated (GRU) jẹ iru ṣiṣanwọle ti sẹẹli nẹtiwọọki loorekoore ti o nlo awọn ẹnu-ọna meji lati pinnu iru alaye wo lati tọju ati kini lati gbagbe bi o ti n ka ọkọọkan. O ṣe pataki nitori pe o mu awọn ilana gigun ni ọrọ, ọrọ, ati jara akoko fẹrẹẹ bii awọn LSTM lakoko ti o yara ati rọrun lati ṣe ikẹkọ.
The guide says the update gate blends prior hidden state and new content.
The guide says the reset gate determines how much past state to ignore for the candidate.
The guide distinguishes the GRU’s single hidden state from the LSTM cell state.
The guide gives the update formula as a blend of the previous state and candidate; when z is near one, the previous state is mostly preserved.
The guide says gated state updates help address vanishing-gradient limitations of plain RNNs.
Tesiwaju kikọ
Awọn itọsọna diẹ sii ti a yan fun koko yii
Up tókànItọsọna atẹle
Awọn nẹtiwọki Neural Loorekoore
Awọn ipilẹ