الوحدة المتكررة ذات البوابات
GRU
تبسيط لـ LSTM ببوابتي تحديث وإعادة ضبط، بمعاملات أقل. في المتصفح يُدرَّب بمكتبة TensorFlow.js داخل Web Worker على نوافذ منزلقة من السلسلة الموحدة، مع إيقاف مبكر على آخر 10% من نوافذ التدريب بترتيبها الزمني، والتنبؤ متعدد الخطوات تكراري.
المبدأ
h_t = (1−z_t)⊙h_{t−1} + z_t⊙h̃_t.
متطلبات البيانات
كما في LSTM.
المعاملات
- window
- طول النافذة
- units
- الوحدات
المزايا
- أسرع من LSTM
- أداء مقارب
العيوب
- كما في LSTM
الاستخدامات
- حركة المرور
- الطاقة
مثال تطبيقي
مشروع «حركة المرور باستخدام GRU» يستخدم بيانات المشاة الساعية في ملبورن.
مقارنة مع خوارزميات أخرى
GRU أبسط وأسرع؛ LSTM قد يتفوق في الاعتماديات الطويلة. الفرق غالباً صغير ويعتمد على البيانات.
