GRU的matlab实现

以下是一个简单的 MATLAB GRU 实现：

function [h, s] = gru(x, hprev, Wz, Wr, Wh, bz, br, bh)
% x: 输入向量
% hprev: 上一个时间步的隐藏状态
% Wz, Wr, Wh: 权重矩阵
% bz, br, bh: 偏置向量

% 计算重置门
r = sigmoid(Wr * [hprev; x] + br);

% 计算更新门
z = sigmoid(Wz * [hprev; x] + bz);

% 计算新的候选隐藏状态
s = tanh(Wh * [r .* hprev; x] + bh);

% 更新隐藏状态
h = (1 - z) .* hprev + z .* s;
end

function y = sigmoid(x)
y = 1 ./ (1 + exp(-x));
end

在这个实现中，我们使用了一个简单的 GRU 层，其中输入 $x$ 是一个向量，$h_{\text{prev}}$ 是上一个时间步的隐藏状态，$W_{z}$、$W_{r}$、$W_{h}$ 是权重矩阵，$b_{z}$、$b_{r}$、$b_{h}$ 是偏置向量。函数的输出是新的隐藏状态 $h$ 和候选隐藏状态 $s$。

我们首先计算重置门 $r$ 和更新门 $z$，然后计算新的候选隐藏状态 $s$。最后，我们使用更新门 $z$ 来加权上一个时间步的隐藏状态和新的候选隐藏状态，得到当前时间步的隐藏状态 $h$。

请注意，此代码仅用于演示目的，实际使用中需要根据具体应用程序进行修改和优化。