GRU网络层次结构图

GRU（Gated Recurrent Unit）是一种门控循环单元，是长短期记忆网络（LSTM）的简化版本，也被用于处理序列数据。GRU的设计目的是减少计算复杂度，同时保持足够的性能。下面是GRU的基本层次结构：

1. **输入门（Input Gate, i_t）**：决定新信息应该进入隐藏状态的程度。它由输入信号x_t和上一时刻隐藏状态h_(t-1)计算得出，然后通过一个sigmoid激活函数。

2. **遗忘门（Forget Gate, f_t）**：控制从上一时刻隐藏状态中忘记哪些信息。遗忘门基于同样的输入和上一时刻隐藏状态，通过另一个sigmoid激活函数。

3. **候选状态（Candidate State, \hat{h}_t）**：一个新的隐藏状态候选值，由输入信号x_t和上一时刻的更新后的隐藏状态h_(t-1)通过点积和一个tanh激活函数计算得出。

4. **输出门（Output Gate, o_t）**：决定最终输出的隐藏状态和新信息的混合程度。它是上一步的候选状态和遗忘门的结果经过一个sigmoid函数后计算的。

5. **更新隐藏状态**：当前时刻的隐藏状态h_t是遗忘门和候选状态的线性组合，通过遗忘门控制遗忘旧的信息，通过输出门控制接收新信息。

6. **最终输出**：通常，GRU的最终输出就是当前隐藏状态h_t，可以直接作为模型的预测或者被传递到下一层。