matlab的GRU详细代码

以下是使用MATLAB实现的简单GRU（门控循环单元）的示例代码：

% 输入数据
X = [1 2 3 4 5]; 
X = reshape(X, 1, 1, []);

% GRU参数
inputSize = size(X, 2);
hiddenSize = 4;

% 初始化权重
Wz = rand(hiddenSize, inputSize);
Wr = rand(hiddenSize, inputSize);
Wh = rand(hiddenSize, inputSize);

Uz = rand(hiddenSize, hiddenSize);
Ur = rand(hiddenSize, hiddenSize);
Uh = rand(hiddenSize, hiddenSize);

bz = rand(hiddenSize, 1);
br = rand(hiddenSize, 1);
bh = rand(hiddenSize, 1);

% 初始化隐藏状态
h0 = zeros(hiddenSize, 1);

% 前向传播
T = size(X, 3);
h = zeros(hiddenSize, T);
z = zeros(hiddenSize, T);
r = zeros(hiddenSize, T);

for t = 1:T
    x = X(:, :, t);
    
    z(:, t) = sigmoid(Wz * x + Uz * h0 + bz);
    r(:, t) = sigmoid(Wr * x + Ur * h0 + br);
    h_tilde = tanh(Wh * x + Uh * (r(:, t) .* h0) + bh);
    h(:, t) = (1 - z(:, t)) .* h0 + z(:, t) .* h_tilde;
    
    h0 = h(:, t);
end

% 输出结果
disp(h);

这段代码演示了一个简单的GRU网络的前向传播过程。其中，`X`是输入序列，`Wz`、`Wr`、`Wh`、`Uz`、`Ur`、`Uh`是权重矩阵，`bz`、`br`、`bh`是偏置向量，`h0`是初始隐藏状态。在每个时间步，GRU计算更新门(`z`)和重置门(`r`)，并根据这两个门的值和当前输入计算新的隐藏状态(`h`)。最后，输出了隐藏状态序列。

请注意，这只是一个简单的示例代码，实际应用中可能还需要添加损失函数、反向传播以及优化器等来进行训练。