GRU门控循环神经网络

GRU（gated recurrent unit）是一种门控循环神经网络，用于更好地捕捉时间序列中时间步距离较大的依赖关系。相比于传统的循环神经网络，GRU引入了门的概念，通过控制信息的流动来改进隐藏层的计算方式。GRU包括三个关键部分：重置门（reset gate）、更新门（update gate）和候选隐藏状态（candidate hidden state）。重置门有助于捕捉时间序列中的短期依赖关系，而更新门则有助于捕捉长期依赖关系。候选隐藏状态通过综合重置门和当前输入的信息来更新隐藏状态。通过引入这些门控制单元，GRU可以更好地捕捉到时间序列中时间步距离较大的依赖关系。