门控循环单元（GRU）

门控循环单元（Gated Recurrent Unit，简称GRU）是一种循环神经网络（Recurrent Neural Network，RNN）的变种。它是为了解决长期依赖问题而提出的，比起传统的循环神经网络，GRU具有更好的表达能力。

GRU通过引入门控机制来控制信息的流动，以便更好地捕捉长期依赖关系。它包含了两个门控单元：更新门（Update Gate）和重置门（Reset Gate）。这些门控单元决定了在每个时间步上应该更新哪些信息，哪些信息应该被忽略。

更新门控制了前一时间步的隐藏状态如何被更新，并将其与当前时间步的输入合并。重置门决定了前一时间步的隐藏状态如何影响当前时间步的输入。

GRU相对于传统的循环神经网络来说，计算量较小，更容易训练，并且能够更好地捕捉长期依赖关系。由于其高效性和良好的性能，在自然语言处理、语音识别和机器翻译等任务中得到了广泛的应用。